Buchumschlag

An Empirical Evaluation of Rewiring Approaches in Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Micheli, Alessio, Tortorella, Domenico
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A method for the systematic generation of graph XAI benchmarks via Weisfeiler-Leman coloring
von: Fontanesi, Michele, et al.
Veröffentlicht: (2025)

Efficient quantification on large-scale networks
von: Micheli, Alessio, et al.
Veröffentlicht: (2025)

GraphTorque: Torque-Driven Rewiring Graph Neural Network
von: Huang, Sujia, et al.
Veröffentlicht: (2025)

Gradient Rewiring for Editable Graph Neural Network Training
von: Jiang, Zhimeng, et al.
Veröffentlicht: (2024)

Dynamic Triangulation-Based Graph Rewiring for Graph Neural Networks
von: Attali, Hugo, et al.
Veröffentlicht: (2025)

On the Complexity of Optimal Graph Rewiring for Oversmoothing and Oversquashing in Graph Neural Networks
von: Chehreghani, Mostafa Haghir
Veröffentlicht: (2026)

Probabilistically Rewired Message-Passing Neural Networks
von: Qian, Chendi, et al.
Veröffentlicht: (2023)

Locality-Aware Graph-Rewiring in GNNs
von: Barbero, Federico, et al.
Veröffentlicht: (2023)

Probabilistic Graph Rewiring via Virtual Nodes
von: Qian, Chendi, et al.
Veröffentlicht: (2024)

Gumbel-MPNN: Graph Rewiring with Gumbel-Softmax
von: Hoffmann, Marcel, et al.
Veröffentlicht: (2025)

Temporal Graph Rewiring with Expander Graphs
von: Petrović, Katarina, et al.
Veröffentlicht: (2024)

It Takes a Graph to Know a Graph: Rewiring for Homophily with a Reference Graph
von: Mendelman, Harel, et al.
Veröffentlicht: (2025)

Modality as Heterogeneity: Node Splitting and Graph Rewiring for Multimodal Graph Learning
von: Zhang, Yihan, et al.
Veröffentlicht: (2026)

Structural Invariance Matters: Rethinking Graph Rewiring through Graph Metrics
von: Benoit, Alexandre, et al.
Veröffentlicht: (2025)

VC dimension of Graph Neural Networks with Pfaffian activation functions
von: D'Inverno, Giuseppe Alessio, et al.
Veröffentlicht: (2024)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

The GECo algorithm for Graph Neural Networks Explanation
von: Calderaro, Salvatore, et al.
Veröffentlicht: (2024)

Joint Graph Rewiring and Feature Denoising via Spectral Resonance
von: Linkerhägner, Jonas, et al.
Veröffentlicht: (2024)

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey
von: Attali, Hugo, et al.
Veröffentlicht: (2024)

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey
von: Attali, Hugo, et al.
Veröffentlicht: (2026)

Theoretical and Empirical Insights into the Origins of Degree Bias in Graph Neural Networks
von: Subramonian, Arjun, et al.
Veröffentlicht: (2024)

Topologically-Stabilized Graph Neural Networks: Empirical Robustness Across Domains
von: Losic, Jelena
Veröffentlicht: (2025)

Information propagation dynamics in Deep Graph Networks
von: Gravina, Alessio
Veröffentlicht: (2024)

NeuralSurv: Deep Survival Analysis with Bayesian Uncertainty Quantification
von: Monod, Mélodie, et al.
Veröffentlicht: (2025)

Enhancing Graph Neural Networks: A Mutual Learning Approach
von: Agbaje, Paul, et al.
Veröffentlicht: (2025)

Towards Robust Fidelity for Evaluating Explainability of Graph Neural Networks
von: Zheng, Xu, et al.
Veröffentlicht: (2023)

On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions
von: Rezaei, Razieh, et al.
Veröffentlicht: (2024)

DynaTab: Dynamic Feature Ordering as Neural Rewiring for High-Dimensional Tabular Data
von: Habib, Al Zadid Sultan Bin, et al.
Veröffentlicht: (2026)

Evaluating Neighbor Explainability for Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2023)

A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes
von: Benfenati, Alessandro, et al.
Veröffentlicht: (2024)

Graph Coordinates and Conventional Neural Networks -- An Alternative for Graph Neural Networks
von: Qin, Zheyi, et al.
Veröffentlicht: (2023)

Towards Efficient Training of Graph Neural Networks: A Multiscale Approach
von: Gal, Eshed, et al.
Veröffentlicht: (2025)

Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach
von: Ai, Xing, et al.
Veröffentlicht: (2022)

Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach
von: Gupta, Mohit, et al.
Veröffentlicht: (2024)

Adaptive Graph Rewiring to Mitigate Over-Squashing in Mesh-Based GNNs for Fluid Dynamics Simulations
von: Seo, Sangwoo, et al.
Veröffentlicht: (2025)

Evaluating Loss Functions for Graph Neural Networks: Towards Pretraining and Generalization
von: Abbas, Khushnood, et al.
Veröffentlicht: (2025)

Adversarial Graph Neural Network Benchmarks: Towards Practical and Fair Evaluation
von: Ngo, Tran Gia Bao, et al.
Veröffentlicht: (2026)

The Effectiveness of Curvature-Based Rewiring and the Role of Hyperparameters in GNNs Revisited
von: Tori, Floriano, et al.
Veröffentlicht: (2024)

Over-Squashing in GNNs and Causal Inference of Rewiring Strategies
von: Saber, Danial, et al.
Veröffentlicht: (2025)

Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks
von: Ancelotti, Amy, et al.
Veröffentlicht: (2024)