Buchumschlag

Contrastive Sequential Interaction Network Learning on Co-Evolving Riemannian Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Li, Ye, Junda, Zhang, Jiawei, Yang, Yong, Liu, Mingsheng, Wang, Feiyang, Yu, Philip S.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Motif-aware Riemannian Graph Neural Network with Generative-Contrastive Learning
von: Sun, Li, et al.
Veröffentlicht: (2024)

RCoCo: Contrastive Collective Link Prediction across Multiplex Network in Riemannian Space
von: Sun, Li, et al.
Veröffentlicht: (2024)

CLEAR: Cluster-based Prompt Learning on Heterogeneous Graphs
von: Wang, Feiyang, et al.
Veröffentlicht: (2025)

Multi-Domain Riemannian Graph Gluing for Building Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2026)

DeepRicci: Self-supervised Graph Structure-Feature Co-Refinement for Alleviating Over-squashing
von: Sun, Li, et al.
Veröffentlicht: (2024)

Spiking Graph Neural Network on Riemannian Manifolds
von: Sun, Li, et al.
Veröffentlicht: (2024)

Deeper with Riemannian Geometry: Overcoming Oversmoothing and Oversquashing for Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2025)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
von: Sun, Li, et al.
Veröffentlicht: (2026)

RiemannGL: Riemannian Geometry Changes Graph Deep Learning
von: Sun, Li, et al.
Veröffentlicht: (2026)

RiemannGFM: Learning a Graph Foundation Model from Riemannian Geometry
von: Sun, Li, et al.
Veröffentlicht: (2025)

Learning to Explore: Policy-Guided Outlier Synthesis for Graph Out-of-Distribution Detection
von: Sun, Li, et al.
Veröffentlicht: (2026)

Pioneer: Physics-informed Riemannian Graph ODE for Entropy-increasing Dynamics
von: Sun, Li, et al.
Veröffentlicht: (2025)

Riemannian Geometry Speaks Louder Than Words: From Graph Foundation Model to Next-Generation Graph Intelligence
von: Yu, Philip S., et al.
Veröffentlicht: (2026)

MoSE: Unveiling Structural Patterns in Graphs via Mixture of Subgraph Experts
von: Ye, Junda, et al.
Veröffentlicht: (2025)

Jointly Learning Representations for Map Entities via Heterogeneous Graph Contrastive Learning
von: Jiang, Jiawei, et al.
Veröffentlicht: (2024)

PR-CapsNet: Pseudo-Riemannian Capsule Network with Adaptive Curvature Routing for Graph Learning
von: Qin, Ye, et al.
Veröffentlicht: (2025)

Distributional Inverse Reinforcement Learning
von: Wu, Feiyang, et al.
Veröffentlicht: (2025)

Co-Evolving Latent Action World Models
von: Wang, Yucen, et al.
Veröffentlicht: (2025)

Co-Evolving Policy Distillation
von: Gu, Naibin, et al.
Veröffentlicht: (2026)

LocalGCL: Local-aware Contrastive Learning for Graphs
von: Jiang, Haojun, et al.
Veröffentlicht: (2024)

Evolving Graph Learning for Out-of-Distribution Generalization in Non-stationary Environments
von: Sun, Qingyun, et al.
Veröffentlicht: (2025)

Theoretical Learning Performance of Graph Neural Networks: The Impact of Jumping Connections and Layer-wise Sparsification
von: Sun, Jiawei, et al.
Veröffentlicht: (2025)

Subgraph Networks Based Contrastive Learning
von: Wang, Jinhuan, et al.
Veröffentlicht: (2023)

CoRA: Covariate-Aware Adaptation of Time Series Foundation Models
von: Qin, Guo, et al.
Veröffentlicht: (2025)

A Question-centric Multi-experts Contrastive Learning Framework for Improving the Accuracy and Interpretability of Deep Sequential Knowledge Tracing Models
von: Zhang, Hengyuan, et al.
Veröffentlicht: (2024)

LAC: Graph Contrastive Learning with Learnable Augmentation in Continuous Space
von: Lin, Zhenyu, et al.
Veröffentlicht: (2024)

Contrastive Learning on Medical Intents for Sequential Prescription Recommendation
von: Moghaddam, Arya Hadizadeh, et al.
Veröffentlicht: (2024)

Multi-intent Aware Contrastive Learning for Sequential Recommendation
von: Huang, Junshu, et al.
Veröffentlicht: (2024)

DARE: Difficulty-Adaptive Reinforcement Learning with Co-Evolved Difficulty Estimation
von: Zhou, Yang, et al.
Veröffentlicht: (2026)

BTTackler: A Diagnosis-based Framework for Efficient Deep Learning Hyperparameter Optimization
von: Pei, Zhongyi, et al.
Veröffentlicht: (2026)

Isometric Immersion Learning with Riemannian Geometry
von: Chen, Zihao, et al.
Veröffentlicht: (2024)

Your Offline Policy is Not Trustworthy: Bilevel Reinforcement Learning for Sequential Portfolio Optimization
von: Yuan, Haochen, et al.
Veröffentlicht: (2025)

ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space
von: Sun, Li, et al.
Veröffentlicht: (2025)

Timer: Generative Pre-trained Transformers Are Large Time Series Models
von: Liu, Yong, et al.
Veröffentlicht: (2024)

ID-MixGCL: Identity Mixup for Graph Contrastive Learning
von: Zhang, Gehang, et al.
Veröffentlicht: (2023)

Contrastive Network Representation Learning
von: Dong, Zihan, et al.
Veröffentlicht: (2025)

IIKL: Isometric Immersion Kernel Learning with Riemannian Manifold for Geometric Preservation
von: Chen, Zihao, et al.
Veröffentlicht: (2025)

Riemannian Liquid Spatio-Temporal Graph Network
von: Lu, Liangsi, et al.
Veröffentlicht: (2026)

CAARL: In-Context Learning for Interpretable Co-Evolving Time Series Forecasting
von: Tajeuna, Etienne, et al.
Veröffentlicht: (2026)

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