A classical result by Lov\'asz asserts that two graphs $G$ and $H$ are isomorphic if and only if they have the same left-homomorphism vector, that is, for every graph $F$, the number of homomorphisms from $F$ to $G$ coincides with the number of homomorphisms from $F$ to $H$. Dell, Grohe, and Rattan showed that restrictions of the left-homomorphism vector to a class of graphs can capture several different relaxations of isomorphism, including co-spectrality (i.e., two graphs having the same characteristic polynomial), fractional isomorphism and, more broadly, equivalence in counting logics with a fixed number of variables. On the other side, a result by Chaudhuri and Vardi asserts that isomorphism is also captured by the right-homomorphism vector, that is, two graphs $G$ and $H$ are isomorphic if and only if for every graph $F$, the number of homomorphisms from $G$ to $F$ coincides with the number of homomorphisms from $H$ to $F$. In this paper, we embark on a study of the restrictions of the right-homomorphism vector by investigating relaxations of isomorphism that can or cannot be captured by restricting the right-homomorphism vector to a fixed class of graphs. Our results unveil striking differences between the expressive power of the left-homomorphism vector and the right-homomorphism vector. We show that co-spectrality, fractional isomorphism, and equivalence in counting logics with a fixed number of variables cannot be captured by restricting the right-homomorphism vector to a class of graphs. In the opposite direction, we show that chromatic equivalence cannot be captured by restricting the left-homomorphism vector to a class of graphs, while, clearly, it can be captured by restricting the right-homomorphism vector to the class of all cliques.


翻译:Lov\'asz 的古典结果显示,两个向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向向向向量向量向量向量向量向量向量向向向向量向量向量向向向向量向量向量向量向量向量向量向向向量向量向量向量向量向量向量向量向量向量向量向量向向向向向向向向向向向向向向向量向量向量向向向量向量向向向向向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向量向

0
下载
关闭预览

相关内容

【2020新书】Python文本分析,104页pdf
专知会员服务
98+阅读 · 2020年12月23日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
17+阅读 · 2020年9月6日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
《科学》(20190517出版)一周论文导读
科学网
5+阅读 · 2019年5月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Github项目推荐 | 图神经网络(GNN)相关资源大列表
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Arxiv
0+阅读 · 2021年3月19日
Arxiv
0+阅读 · 2021年3月19日
VIP会员
相关资讯
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
《科学》(20190517出版)一周论文导读
科学网
5+阅读 · 2019年5月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Github项目推荐 | 图神经网络(GNN)相关资源大列表
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Top
微信扫码咨询专知VIP会员