本研究提出了SimMLP框架，通过自监督学习解决图神经网络在推理中的延迟问题。SimMLP与图神经网络等效，并在节点分类和链接预测等任务中表现优于现有方法。

本文研究了基于图神经网络（GNN）的医学图像分类，提出了一种结合边缘卷积的新模型，显著提高了分类性能，减少了参数和训练时间。研究表明，GNN在医学影像领域具有广泛应用前景，鼓励进一步探索相关模型。

该研究使用多层感知器（MLPs）解决图上半监督节点分类问题，并通过训练学生MLP从教师图神经网络（GNN）中蒸馏知识。研究提出了Propagate & Distill（P&D）方法，在蒸馏之前传播教师的输出，可以提高学生MLP的性能。

该研究提出了一种通过知识蒸馏训练学生模型的方法，介绍了一种有效的方法Propagate & Distill（P&D），实验证明P&D能够提高学生模型的性能。