Buchumschlag

Uncertainty in Graph Neural Networks: A Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Fangxin, Liu, Yuqing, Liu, Kay, Wang, Yibo, Medya, Sourav, 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

BANGS: Game-Theoretic Node Selection for Graph Self-Training
von: Wang, Fangxin, et al.
Veröffentlicht: (2024)

Unsupervised Prompting for Graph Neural Networks
von: Baghershahi, Peyman, et al.
Veröffentlicht: (2025)

GRAPHLCP: Structure-Aware Localized Conformal Prediction on Graphs
von: Baghershahi, Peyman, et al.
Veröffentlicht: (2026)

Incorporating Heterophily into Graph Neural Networks for Graph Classification
von: Yang, Jiayi, et al.
Veröffentlicht: (2022)

From Nodes to Narratives: Explaining Graph Neural Networks with LLMs and Graph Context
von: Baghershahi, Peyman, et al.
Veröffentlicht: (2025)

COMRECGC: Global Graph Counterfactual Explainer through Common Recourse
von: Fournier, Gregoire, et al.
Veröffentlicht: (2025)

Design Requirements for Human-Centered Graph Neural Network Explanations
von: Habibi, Pantea, et al.
Veröffentlicht: (2024)

COMBHelper: A Neural Approach to Reduce Search Space for Graph Combinatorial Problems
von: Tian, Hao, et al.
Veröffentlicht: (2023)

Filter-then-Weight: Online Data Selection and Reweighting for LLM Fine-Tuning
von: Wang, Fangxin, et al.
Veröffentlicht: (2026)

Colorful Talks with Graphs: Human-Interpretable Graph Encodings for Large Language Models
von: Zangari, Angelo, et al.
Veröffentlicht: (2026)

Game-theoretic Counterfactual Explanation for Graph Neural Networks
von: Chhablani, Chirag, et al.
Veröffentlicht: (2024)

NeuroCUT: A Neural Approach for Robust Graph Partitioning
von: Shah, Rishi, et al.
Veröffentlicht: (2023)

Data Augmentation for Supervised Graph Outlier Detection via Latent Diffusion Models
von: Liu, Kay, et al.
Veröffentlicht: (2023)

Graph Neural Networks for Graphs with Heterophily: A Survey
von: Zheng, Xin, et al.
Veröffentlicht: (2022)

LLMInit: A Free Lunch from Large Language Models for Selective Initialization of Recommendation
von: Zhang, Weizhi, et al.
Veröffentlicht: (2025)

SMART: A Surrogate Model for Predicting Application Runtime in Dragonfly Systems
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Learning Exposure Mapping Functions for Inferring Heterogeneous Peer Effects
von: Adhikari, Shishir, et al.
Veröffentlicht: (2025)

PATENTWRITER: A Benchmarking Study for Patent Drafting with LLMs
von: Shomee, Homaira Huda, et al.
Veröffentlicht: (2025)

Graph ODEs and Beyond: A Comprehensive Survey on Integrating Differential Equations with Graph Neural Networks
von: Liu, Zewen, et al.
Veröffentlicht: (2025)

VeriBug: An Attention-based Framework for Bug-Localization in Hardware Designs
von: Stracquadanio, Giuseppe, et al.
Veröffentlicht: (2024)

Uncertainty Quantification on Graph Learning: A Survey
von: Chen, Chao, et al.
Veröffentlicht: (2024)

Evidential Uncertainty Probes for Graph Neural Networks
von: Yu, Linlin, et al.
Veröffentlicht: (2025)

LSEnet: Lorentz Structural Entropy Neural Network for Deep Graph Clustering
von: Sun, Li, et al.
Veröffentlicht: (2024)

Temporal Relation Extraction in Clinical Texts: A Span-based Graph Transformer Approach
von: Chaturvedi, Rochana, et al.
Veröffentlicht: (2025)

Topology-Aware Conformal Prediction for Stream Networks
von: Zhang, Jifan, et al.
Veröffentlicht: (2025)

A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications
von: Han, Jiaqi, et al.
Veröffentlicht: (2024)

Multi-Evidence based Fact Verification via A Confidential Graph Neural Network
von: Lan, Yuqing, et al.
Veröffentlicht: (2024)

Asymmetric Learning for Spectral Graph Neural Networks
von: Liu, Fangbing, et al.
Veröffentlicht: (2024)

The Expressive Power of Graph Neural Networks: A Survey
von: Zhang, Bingxu, et al.
Veröffentlicht: (2023)

UQGNN: Uncertainty Quantification of Graph Neural Networks for Multivariate Spatiotemporal Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2025)

SAUC: Sparsity-Aware Uncertainty Calibration for Spatiotemporal Prediction with Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

Debiasing Message Passing to Mitigate Popularity Bias in GNN-based Collaborative Filtering
von: Islam, Md Aminul, et al.
Veröffentlicht: (2026)

Uncertainty Quantification of Spatiotemporal Travel Demand with Probabilistic Graph Neural Networks
von: Wang, Qingyi, et al.
Veröffentlicht: (2023)

Graph Neural Networks in EEG-based Emotion Recognition: A Survey
von: Liu, Chenyu, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Protein-Protein Interactions -- A Short Survey
von: Xu, Mingda, et al.
Veröffentlicht: (2024)

Physics-Inspired Spatial Temporal Graph Neural Networks for Predicting Industrial Chain Resilience
von: Wang, Bicheng, et al.
Veröffentlicht: (2025)

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

Uncertainty-Aware Graph Neural Networks: A Multi-Hop Evidence Fusion Approach
von: Chen, Qingfeng, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Graph Summarization with Graph Neural Networks
von: Shabani, Nasrin, et al.
Veröffentlicht: (2023)

Probability Passing for Graph Neural Networks: Graph Structure and Representations Joint Learning
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)