Buchumschlag

Is Distance Matrix Enough for Geometric Deep Learning?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zian, Wang, Xiyuan, Huang, Yinan, Zhang, Muhan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Completeness of Invariant Geometric Deep Learning Models
von: Li, Zian, et al.
Veröffentlicht: (2024)

Geometric Representation Condition Improves Equivariant Molecule Generation
von: Li, Zian, et al.
Veröffentlicht: (2024)

OCN: Effectively Utilizing Higher-Order Common Neighbors for Better Link Prediction
von: Wang, Juntong, et al.
Veröffentlicht: (2025)

CanvasMAR: Improving Masked Autoregressive Video Prediction With Canvas
von: Li, Zian, et al.
Veröffentlicht: (2025)

Reconsidering the Performance of GAE in Link Prediction
von: Ma, Weishuo, et al.
Veröffentlicht: (2024)

GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning
von: Ma, Weishuo, et al.
Veröffentlicht: (2025)

Meta Pruning via Graph Metanetworks : A Universal Meta Learning Framework for Network Pruning
von: Liu, Yewei, et al.
Veröffentlicht: (2025)

Knowledge is Not Enough: Injecting RL Skills for Continual Adaptation
von: Tang, Pingzhi, et al.
Veröffentlicht: (2026)

Neural Common Neighbor with Completion for Link Prediction
von: Wang, Xiyuan, et al.
Veröffentlicht: (2023)

FlashMol: High-Quality Molecule Generation in as Few as Four Steps
von: Wei, Xinyuan, et al.
Veröffentlicht: (2026)

Efficient Neural Common Neighbor for Temporal Graph Link Prediction
von: Zhang, Xiaohui, et al.
Veröffentlicht: (2024)

On the Stability of Expressive Positional Encodings for Graphs
von: Huang, Yinan, et al.
Veröffentlicht: (2023)

An Empirical Study of Realized GNN Expressiveness
von: Wang, Yanbo, et al.
Veröffentlicht: (2023)

Griffin: Towards a Graph-Centric Relational Database Foundation Model
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

GL-Fusion: Rethinking the Combination of Graph Neural Network and Large Language model
von: Yang, Haotong, et al.
Veröffentlicht: (2024)

A Unified Deep Reinforcement Learning Approach for Close Enough Traveling Salesman Problem
von: Fan, Mingfeng, et al.
Veröffentlicht: (2025)

GREPO: A Benchmark for Graph Neural Networks on Repository-Level Bug Localization
von: Wang, Juntong, et al.
Veröffentlicht: (2026)

The Road Less Traveled: Enhancing Exploration in LLMs via Sequential Sampling
von: Kang, Shijia, et al.
Veröffentlicht: (2025)

Graph is a Natural Regularization: Revisiting Vector Quantization for Graph Representation Learning
von: Zhai, Zian, et al.
Veröffentlicht: (2025)

PiSSA: Principal Singular Values and Singular Vectors Adaptation of Large Language Models
von: Meng, Fanxu, et al.
Veröffentlicht: (2024)

Relational In-Context Learning via Synthetic Pre-training with Structural Prior
von: Wang, Yanbo, et al.
Veröffentlicht: (2026)

Mathematical Foundations of Geometric Deep Learning
von: Borde, Haitz Sáez de Ocáriz, et al.
Veröffentlicht: (2025)

A Distance-based Anomaly Detection Framework for Deep Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2021)

SPGNN: Recognizing Salient Subgraph Patterns via Enhanced Graph Convolution and Pooling
von: Dong, Zehao, et al.
Veröffentlicht: (2024)

Spectral Convolution on Orbifolds for Geometric Deep Learning
von: Mangliers, Tim, et al.
Veröffentlicht: (2026)

Tree-Sliced Wasserstein Distance: A Geometric Perspective
von: Tran, Viet-Hoang, et al.
Veröffentlicht: (2024)

SGPT: Few-Shot Prompt Tuning for Signed Graphs
von: Zhai, Zian, et al.
Veröffentlicht: (2024)

Time-Series Contrastive Learning against False Negatives and Class Imbalance
von: Jin, Xiyuan, et al.
Veröffentlicht: (2023)

Provably Efficient Action-Manipulation Attack Against Continuous Reinforcement Learning
von: Luo, Zhi, et al.
Veröffentlicht: (2024)

An Imperfect Verifier is Good Enough: Learning with Noisy Rewards
von: Plesner, Andreas, et al.
Veröffentlicht: (2026)

Policy-labeled Preference Learning: Is Preference Enough for RLHF?
von: Cho, Taehyun, et al.
Veröffentlicht: (2025)

Foundations and Frontiers of Graph Learning Theory
von: Huang, Yu, et al.
Veröffentlicht: (2024)

Using Random Noise Equivariantly to Boost Graph Neural Networks Universally
von: Wang, Xiyuan, et al.
Veröffentlicht: (2025)

Latent Domain Prompt Learning for Vision-Language Models
von: Li, Zhixing, et al.
Veröffentlicht: (2025)

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

Geometric Manifold Rectification for Imbalanced Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2026)

Memory Retention Is Not Enough to Master Memory Tasks in Reinforcement Learning
von: Shchendrigin, Oleg, et al.
Veröffentlicht: (2026)

Rethinking Diffusion Models with Symmetries through Canonicalization with Applications to Molecular Graph Generation
von: Zhou, Cai, et al.
Veröffentlicht: (2026)

GeSS: Benchmarking Geometric Deep Learning under Scientific Applications with Distribution Shifts
von: Zou, Deyu, et al.
Veröffentlicht: (2023)

The Expressivity Boundary of Probabilistic Circuits: A Comparison with Large Language Models
von: Zhao, Zhiyu, et al.
Veröffentlicht: (2026)