本文研究了多种神经网络架构，包括Kronecker神经网络、图增强多层感知器（GA-MLP）和求和积网络（SPN）。研究表明，GA-MLP在特定条件下能有效区分非同构图，但其表达能力不及图神经网络（GNN）。Kolmogorov模型展示了深度网络在函数逼近中的优势，提出的无图依赖神经网络（GLNNs）在速度和准确性上优于GNN。

本文比较了多层图神经网络和图增强多层感知器的表现，发现GA-MLP能够区分几乎所有非同构图，但在表达能力和学习灵活性方面受限。