On the Stability of Expressive Positional Encodings for Graphs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Huang, Yinan, Lu, William, Robinson, Joshua, Yang, Yu, Zhang, Muhan, Jegelka, Stefanie, Li, Pan |
|---|---|
| Format: | Preprint |
| Publié: |
2023
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
An Empirical Study of Realized GNN Expressiveness
par: Wang, Yanbo, et autres
Publié: (2023)
par: Wang, Yanbo, et autres
Publié: (2023)
Is Distance Matrix Enough for Geometric Deep Learning?
par: Li, Zian, et autres
Publié: (2023)
par: Li, Zian, et autres
Publié: (2023)
Survey on Generalization Theory for Graph Neural Networks
par: Vasileiou, Antonis, et autres
Publié: (2025)
par: Vasileiou, Antonis, et autres
Publié: (2025)
G1: Teaching LLMs to Reason on Graphs with Reinforcement Learning
par: Guo, Xiaojun, et autres
Publié: (2025)
par: Guo, Xiaojun, et autres
Publié: (2025)
The Expressivity Boundary of Probabilistic Circuits: A Comparison with Large Language Models
par: Zhao, Zhiyu, et autres
Publié: (2026)
par: Zhao, Zhiyu, et autres
Publié: (2026)
Rotary Position Encodings for Graphs
par: Reid, Isaac, et autres
Publié: (2025)
par: Reid, Isaac, et autres
Publié: (2025)
Graph Transformers without Positional Encodings
par: Garg, Ayush
Publié: (2024)
par: Garg, Ayush
Publié: (2024)
What Are Good Positional Encodings for Directed Graphs?
par: Huang, Yinan, et autres
Publié: (2024)
par: Huang, Yinan, et autres
Publié: (2024)
Benchmarking Positional Encodings for GNNs and Graph Transformers
par: Grötschla, Florian, et autres
Publié: (2024)
par: Grötschla, Florian, et autres
Publié: (2024)
Generalization, Expressivity, and Universality of Graph Neural Networks on Attributed Graphs
par: Rauchwerger, Levi, et autres
Publié: (2024)
par: Rauchwerger, Levi, et autres
Publié: (2024)
Learning with Exact Invariances in Polynomial Time
par: Soleymani, Ashkan, et autres
Publié: (2025)
par: Soleymani, Ashkan, et autres
Publié: (2025)
Graph Alignment for Benchmarking Graph Neural Networks and Learning Positional Encodings
par: Lagesse, Adrien, et autres
Publié: (2025)
par: Lagesse, Adrien, et autres
Publié: (2025)
Are Graph Neural Networks Optimal Approximation Algorithms?
par: Yau, Morris, et autres
Publié: (2023)
par: Yau, Morris, et autres
Publié: (2023)
LANPO: Bootstrapping Language and Numerical Feedback for Reinforcement Learning in LLMs
par: Li, Ang, et autres
Publié: (2025)
par: Li, Ang, et autres
Publié: (2025)
SPGNN: Recognizing Salient Subgraph Patterns via Enhanced Graph Convolution and Pooling
par: Dong, Zehao, et autres
Publié: (2024)
par: Dong, Zehao, et autres
Publié: (2024)
Beyond Interpretability: The Gains of Feature Monosemanticity on Model Robustness
par: Zhang, Qi, et autres
Publié: (2024)
par: Zhang, Qi, et autres
Publié: (2024)
Graph Self-Supervised Learning with Learnable Structural and Positional Encodings
par: Wijesinghe, Asiri, et autres
Publié: (2025)
par: Wijesinghe, Asiri, et autres
Publié: (2025)
NeuronSeek: On Stability and Expressivity of Task-driven Neurons
par: Pei, Hanyu, et autres
Publié: (2025)
par: Pei, Hanyu, et autres
Publié: (2025)
Algebraic Positional Encodings
par: Kogkalidis, Konstantinos, et autres
Publié: (2023)
par: Kogkalidis, Konstantinos, et autres
Publié: (2023)
How Expressive are Knowledge Graph Foundation Models?
par: Huang, Xingyue, et autres
Publié: (2025)
par: Huang, Xingyue, et autres
Publié: (2025)
RulE: Knowledge Graph Reasoning with Rule Embedding
par: Tang, Xiaojuan, et autres
Publié: (2022)
par: Tang, Xiaojuan, et autres
Publié: (2022)
Foundations and Frontiers of Graph Learning Theory
par: Huang, Yu, et autres
Publié: (2024)
par: Huang, Yu, et autres
Publié: (2024)
Polynormer: Polynomial-Expressive Graph Transformer in Linear Time
par: Deng, Chenhui, et autres
Publié: (2024)
par: Deng, Chenhui, et autres
Publié: (2024)
How to Craft Backdoors with Unlabeled Data Alone?
par: Wang, Yifei, et autres
Publié: (2024)
par: Wang, Yifei, et autres
Publié: (2024)
The Road Less Traveled: Enhancing Exploration in LLMs via Sequential Sampling
par: Kang, Shijia, et autres
Publié: (2025)
par: Kang, Shijia, et autres
Publié: (2025)
On the Expressive Power of Graph Neural Networks
par: Nalwade, Ashwin, et autres
Publié: (2024)
par: Nalwade, Ashwin, et autres
Publié: (2024)
The Empirical Impact of Neural Parameter Symmetries, or Lack Thereof
par: Lim, Derek, et autres
Publié: (2024)
par: Lim, Derek, et autres
Publié: (2024)
Fairness Aware Reward Optimization
par: Choi, Ching Lam, et autres
Publié: (2026)
par: Choi, Ching Lam, et autres
Publié: (2026)
Can Looped Transformers Learn to Implement Multi-step Gradient Descent for In-context Learning?
par: Gatmiry, Khashayar, et autres
Publié: (2024)
par: Gatmiry, Khashayar, et autres
Publié: (2024)
CombAlign: Enhancing Model Expressiveness in Unsupervised Graph Alignment
par: Chen, Songyang, et autres
Publié: (2024)
par: Chen, Songyang, et autres
Publié: (2024)
Towards Expressive Spectral-Temporal Graph Neural Networks for Time Series Forecasting
par: Jin, Ming, et autres
Publié: (2023)
par: Jin, Ming, et autres
Publié: (2023)
Scaling Attention via Feature Sparsity
par: Xie, Yan, et autres
Publié: (2026)
par: Xie, Yan, et autres
Publié: (2026)
Group Representational Position Encoding
par: Zhang, Yifan, et autres
Publié: (2025)
par: Zhang, Yifan, et autres
Publié: (2025)
Learnable Spatial-Temporal Positional Encoding for Link Prediction
par: Tieu, Katherine, et autres
Publié: (2025)
par: Tieu, Katherine, et autres
Publié: (2025)
Are Expressive Encoders Necessary for Discrete Graph Generation?
par: Revolinsky, Jay, et autres
Publié: (2026)
par: Revolinsky, Jay, et autres
Publié: (2026)
GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning
par: Ma, Weishuo, et autres
Publié: (2025)
par: Ma, Weishuo, et autres
Publié: (2025)
Positional Attention: Expressivity and Learnability of Algorithmic Computation
par: de Luca, Artur Back, et autres
Publié: (2024)
par: de Luca, Artur Back, et autres
Publié: (2024)
Beyond Message Passing: A Symbolic Alternative for Expressive and Interpretable Graph Learning
par: Geng, Chuqin, et autres
Publié: (2026)
par: Geng, Chuqin, et autres
Publié: (2026)
Mesa-Extrapolation: A Weave Position Encoding Method for Enhanced Extrapolation in LLMs
par: Ma, Xin, et autres
Publié: (2024)
par: Ma, Xin, et autres
Publié: (2024)
MLGIB: Multi-Label Graph Information Bottleneck for Expressive and Robust Message Passing
par: Wu, Chaokai, et autres
Publié: (2026)
par: Wu, Chaokai, et autres
Publié: (2026)
Documents similaires
-
An Empirical Study of Realized GNN Expressiveness
par: Wang, Yanbo, et autres
Publié: (2023) -
Is Distance Matrix Enough for Geometric Deep Learning?
par: Li, Zian, et autres
Publié: (2023) -
Survey on Generalization Theory for Graph Neural Networks
par: Vasileiou, Antonis, et autres
Publié: (2025) -
G1: Teaching LLMs to Reason on Graphs with Reinforcement Learning
par: Guo, Xiaojun, et autres
Publié: (2025) -
The Expressivity Boundary of Probabilistic Circuits: A Comparison with Large Language Models
par: Zhao, Zhiyu, et autres
Publié: (2026)