universality

论文探讨了是否任何神经网络都可以被重新设计以通过梯度下降有效训练，并证明了一个通用性结果：对于任何网络，都存在一个扩展，可以通过梯度下降重现给定的权重和输出。

本文证明，具有随机节点特征的图神经网络可以普适地近似有向图上的置换不变或等变函数，并为可微函数提供了近似率界限。

本文开发了一个系统框架，用于建立处理可变维度输入（例如，具有不同节点数的图）的机器学习模型的普适性。论文表明许多现有架构不具有普适性，并提出了简单的修改来恢复普适性。