:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Zhihao, Liang, Xize, Wang, Jie
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2302.00924
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Provably Convergent Subgraph-wise Sampling for Fast GNN Training
von: Wang, Jie, et al.
Veröffentlicht: (2023)

Accurate and Scalable Graph Neural Networks via Message Invariance
von: Shi, Zhihao, et al.
Veröffentlicht: (2025)

Subgraphormer: Unifying Subgraph GNNs and Graph Transformers via Graph Products
von: Bar-Shalom, Guy, et al.
Veröffentlicht: (2024)

Efficient Subgraph GNNs by Learning Effective Selection Policies
von: Bevilacqua, Beatrice, et al.
Veröffentlicht: (2023)

Improving Subgraph-GNNs via Edge-Level Ego-Network Encodings
von: Alvarez-Gonzalez, Nurudin, et al.
Veröffentlicht: (2023)

A Flexible, Equivariant Framework for Subgraph GNNs via Graph Products and Graph Coarsening
von: Bar-Shalom, Guy, et al.
Veröffentlicht: (2024)

Cross-attentive Cohesive Subgraph Embedding to Mitigate Oversquashing in GNNs
von: Hossain, Tanvir, et al.
Veröffentlicht: (2026)

Using Subgraph GNNs for Node Classification:an Overlooked Potential Approach
von: Zeng, Qian, et al.
Veröffentlicht: (2025)

Translating Subgraphs to Nodes Makes Simple GNNs Strong and Efficient for Subgraph Representation Learning
von: Kim, Dongkwan, et al.
Veröffentlicht: (2022)

An Efficient Subgraph GNN with Provable Substructure Counting Power
von: Yan, Zuoyu, et al.
Veröffentlicht: (2023)

Residual Connections and Normalization Can Provably Prevent Oversmoothing in GNNs
von: Scholkemper, Michael, et al.
Veröffentlicht: (2024)

Balancing Efficiency and Expressiveness: Subgraph GNNs with Walk-Based Centrality
von: Southern, Joshua, et al.
Veröffentlicht: (2025)

Distance-Restricted Folklore Weisfeiler-Leman GNNs with Provable Cycle Counting Power
von: Zhou, Junru, et al.
Veröffentlicht: (2023)

ROPO: Robust Preference Optimization for Large Language Models
von: Liang, Xize, et al.
Veröffentlicht: (2024)

Provable Training for Graph Contrastive Learning
von: Yu, Yue, et al.
Veröffentlicht: (2023)

Recommendations with Sparse Comparison Data: Provably Fast Convergence for Nonconvex Matrix Factorization
von: Sankagiri, Suryanarayana, et al.
Veröffentlicht: (2025)

Absorb and Converge: Provable Convergence Guarantee for Absorbing Discrete Diffusion Models
von: Liang, Yuchen, et al.
Veröffentlicht: (2025)

TINED: GNNs-to-MLPs by Teacher Injection and Dirichlet Energy Distillation
von: Zhou, Ziang, et al.
Veröffentlicht: (2024)

Branching Strategies Based on Subgraph GNNs: A Study on Theoretical Promise versus Practical Reality
von: Zhou, Junru, et al.
Veröffentlicht: (2025)

Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification
von: Luo, Yuankai, et al.
Veröffentlicht: (2024)

A Provably Convergent and Practical Algorithm for Gromov--Wasserstein Optimal Transport
von: Liang, Ling, et al.
Veröffentlicht: (2026)

The Heterophilic Snowflake Hypothesis: Training and Empowering GNNs for Heterophilic Graphs
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Provable Target Sample Complexity Improvements as Pre-Trained Models Scale
von: Fukuchi, Kazuto, et al.
Veröffentlicht: (2026)

Training Dynamics of Softmax Self-Attention: Fast Global Convergence via Preconditioning
von: Goel, Gautam, et al.
Veröffentlicht: (2026)

Greedy Sampling Is Provably Efficient for RLHF
von: Wu, Di, et al.
Veröffentlicht: (2025)

Provably Convergent Federated Trilevel Learning
von: Jiao, Yang, et al.
Veröffentlicht: (2023)

Fast and Simple Densest Subgraph with Predictions
von: Bui, Thai, et al.
Veröffentlicht: (2025)

Robust and Fast Training via Per-Sample Clipping
von: Nobile, Davide, et al.
Veröffentlicht: (2026)

Fast and Provable Tensor-Train Format Tensor Completion via Precondtioned Riemannian Gradient Descent
von: Bian, Fengmiao, et al.
Veröffentlicht: (2025)

Cost-Sensitive Conformal Training with Provably Controllable Learning Bounds
von: Jia, Xuesong, et al.
Veröffentlicht: (2025)

FuseSampleAgg: Fused Neighbor Sampling and Aggregation for Mini-batch GNNs
von: Stanković, Aleksandar
Veröffentlicht: (2025)

Learning Provably Improves the Convergence of Gradient Descent
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

MGDA Converges under Generalized Smoothness, Provably
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Decentralized Federated Policy Gradient with Byzantine Fault-Tolerance and Provably Fast Convergence
von: Jordan, Philip, et al.
Veröffentlicht: (2024)

Provable Convergence and Limitations of Geometric Tempering for Langevin Dynamics
von: Chehab, Omar, et al.
Veröffentlicht: (2024)

Rethinking the Expressive Power of GNNs via Graph Biconnectivity
von: Zhang, Bohang, et al.
Veröffentlicht: (2023)

SubGCache: Accelerating Graph-based RAG with Subgraph-level KV Cache
von: Zhu, Qiuyu, et al.
Veröffentlicht: (2025)

Provably Convergent Primal-Dual DPO for Constrained LLM Alignment
von: Du, Yihan, et al.
Veröffentlicht: (2025)

Product-Stability: Provable Convergence for Gradient Descent on the Edge of Stability
von: Gan, Eric
Veröffentlicht: (2026)

Provably Neural Active Learning Succeeds via Prioritizing Perplexing Samples
von: Bu, Dake, et al.
Veröffentlicht: (2024)