Buchumschlag

Topological Neural Networks: Mitigating the Bottlenecks of Graph Neural Networks via Higher-Order Interactions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Giusti, Lorenzo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Personalized PageRank and Higher-Order Topological Structures for Heterophily Mitigation in Graph Neural Networks
von: Wang, Yumeng, et al.
Veröffentlicht: (2025)

Discovering the Representation Bottleneck of Graph Neural Networks
von: Wu, Fang, et al.
Veröffentlicht: (2022)

Spectral Higher-Order Neural Networks
von: Peri, Gianluca, et al.
Veröffentlicht: (2026)

Demystifying Higher-Order Graph Neural Networks
von: Besta, Maciej, et al.
Veröffentlicht: (2024)

The Interaction Bottleneck of Deep Neural Networks: Discovery, Proof, and Modulation
von: Deng, Huiqi, et al.
Veröffentlicht: (2025)

Probing Graph Neural Network Activation Patterns Through Graph Topology
von: Tori, Floriano, et al.
Veröffentlicht: (2026)

Exact Computation of Any-Order Shapley Interactions for Graph Neural Networks
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2025)

Delayed Bottlenecking: Alleviating Forgetting in Pre-trained Graph Neural Networks
von: Zhao, Zhe, et al.
Veröffentlicht: (2024)

Generalized Simplicial Attention Neural Networks
von: Battiloro, Claudio, et al.
Veröffentlicht: (2023)

CliquePH: Higher-Order Information for Graph Neural Networks through Persistent Homology on Clique Graphs
von: Buffelli, Davide, et al.
Veröffentlicht: (2024)

Tensor-view Topological Graph Neural Network
von: Wen, Tao, et al.
Veröffentlicht: (2024)

Mitigating Overfitting in Graph Neural Networks via Feature and Hyperplane Perturbation
von: Choi, Yoonhyuk, et al.
Veröffentlicht: (2022)

Can we ease the Injectivity Bottleneck on Lorentzian Manifolds for Graph Neural Networks?
von: Srinivasan, Srinitish, et al.
Veröffentlicht: (2025)

Pre-training Graph Neural Networks on Molecules by Using Subgraph-Conditioned Graph Information Bottleneck
von: Hoang, Van Thuy, et al.
Veröffentlicht: (2024)

LGAN: An Efficient High-Order Graph Neural Network via the Line Graph Aggregation
von: Du, Lin, et al.
Veröffentlicht: (2025)

GraphTOP: Graph Topology-Oriented Prompting for Graph Neural Networks
von: Fu, Xingbo, et al.
Veröffentlicht: (2025)

Understanding Sparse Neural Networks from their Topology via Multipartite Graph Representations
von: Cunegatti, Elia, et al.
Veröffentlicht: (2023)

Enhancing the Resilience of Graph Neural Networks to Topological Perturbations in Sparse Graphs
von: He, Shuqi, et al.
Veröffentlicht: (2024)

Explicit Feature Interaction-aware Graph Neural Networks
von: Kim, Minkyu, et al.
Veröffentlicht: (2022)

On Measuring Long-Range Interactions in Graph Neural Networks
von: Bamberger, Jacob, et al.
Veröffentlicht: (2025)

CCMamba: Topologically-Informed Selective State-Space Networks on Combinatorial Complexes for Higher-Order Graph Learning
von: Chen, Jiawen, et al.
Veröffentlicht: (2026)

Quantum Topological Graph Neural Networks for Detecting Complex Fraud Patterns
von: Doost, Mohammad, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

Graph Neural Network Causal Explanation via Neural Causal Models
von: Behnam, Arman, et al.
Veröffentlicht: (2024)

Transferring Graph Neural Networks for Soft Sensor Modeling using Process Topologies
von: Theisen, Maximilian F., et al.
Veröffentlicht: (2025)

Prediction of Bank Credit Ratings using Heterogeneous Topological Graph Neural Networks
von: Liu, Junyi, et al.
Veröffentlicht: (2025)

Commute Graph Neural Networks
von: Zhuo, Wei, et al.
Veröffentlicht: (2024)

Cooperative Graph Neural Networks
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2023)

Superposition in Graph Neural Networks
von: Pertl, Lukas, et al.
Veröffentlicht: (2025)

Transformers are Graph Neural Networks
von: Joshi, Chaitanya K.
Veröffentlicht: (2025)

Contrastive Dual-Interaction Graph Neural Network for Molecular Property Prediction
von: Zhao, Zexing, et al.
Veröffentlicht: (2024)

Deep Graph Neural Point Process For Learning Temporal Interactive Networks
von: Chen, Su, et al.
Veröffentlicht: (2025)

Massive Activations in Graph Neural Networks: Decoding Attention for Domain-Dependent Interpretability
von: Bini, Lorenzo, et al.
Veröffentlicht: (2024)

Implicit Hypergraph Neural Networks: A Stable Framework for Higher-Order Relational Learning with Provable Guarantees
von: Li, Xiaoyu, et al.
Veröffentlicht: (2025)

Unveiling Global Interactive Patterns across Graphs: Towards Interpretable Graph Neural Networks
von: Wang, Yuwen, et al.
Veröffentlicht: (2024)

Permutation-Invariant Graph Partitioning:How Graph Neural Networks Capture Structural Interactions?
von: Hevapathige, Asela, et al.
Veröffentlicht: (2023)

Coupling Graph Neural Networks with Fractional Order Continuous Dynamics: A Robustness Study
von: Kang, Qiyu, et al.
Veröffentlicht: (2024)

Graph Neural Networks vs Convolutional Neural Networks for Graph Domination Number Prediction
von: Davila, Randy, et al.
Veröffentlicht: (2025)

Graphs Unveiled: Graph Neural Networks and Graph Generation
von: Kovács, László, et al.
Veröffentlicht: (2024)

Hierarchical Multi-Scale Graph Neural Networks: Scalable Heterophilous Learning with Oversmoothing and Oversquashing Mitigation
von: Hossen, Md Sazzad, et al.
Veröffentlicht: (2026)