Buchumschlag

Variational Graph Auto-Encoder Based Inductive Learning Method for Semi-Supervised Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Hanxuan, Yu, Zhaoxin, Kong, Qingchao, Liu, Wei, Mao, Wenji
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

A Deep Latent Space Model for Graph Representation Learning
von: Yang, Hanxuan, et al.
Veröffentlicht: (2021)

Undermining Federated Learning Accuracy in EdgeIoT via Variational Graph Auto-Encoders
von: Li, Kai, et al.
Veröffentlicht: (2025)

Graph Similarity Regularized Softmax for Semi-Supervised Node Classification
von: Yang, Yiming, et al.
Veröffentlicht: (2024)

Solving Semi-Supervised Few-Shot Learning from an Auto-Annotation Perspective
von: Liu, Tian, et al.
Veröffentlicht: (2025)

Mixed Graph Contrastive Network for Semi-Supervised Node Classification
von: Yang, Xihong, et al.
Veröffentlicht: (2022)

Discrepancy-Aware Graph Mask Auto-Encoder
von: Zheng, Ziyu, et al.
Veröffentlicht: (2025)

Discrete Graph Auto-Encoder
von: Boget, Yoann, et al.
Veröffentlicht: (2023)

Learning Multimodal Energy-Based Model with Multimodal Variational Auto-Encoder via MCMC Revision
von: Cui, Jiali, et al.
Veröffentlicht: (2026)

Quantum Graph Attention Networks: Trainable Quantum Encoders for Inductive Graph Learning
von: Faria, Arthur M., et al.
Veröffentlicht: (2025)

Statistical Test for Anomaly Detections by Variational Auto-Encoders
von: Miwa, Daiki, et al.
Veröffentlicht: (2024)

Graph Semi-Supervised Learning for Point Classification on Data Manifolds
von: Netto, Caio F. Deberaldini, et al.
Veröffentlicht: (2025)

Norm Augmented Graph AutoEncoders for Link Prediction
von: Liu, Yunhui, et al.
Veröffentlicht: (2025)

Learning Network Representations with Disentangled Graph Auto-Encoder
von: Fan, Di, et al.
Veröffentlicht: (2024)

Rethinking Semi-Supervised Node Classification with Self-Supervised Graph Clustering
von: Wang, Songbo, et al.
Veröffentlicht: (2025)

Disentangled Representation via Variational AutoEncoder for Continuous Treatment Effect Estimation
von: Cui, Ruijing, et al.
Veröffentlicht: (2024)

Causal Flow-based Variational Auto-Encoder for Disentangled Causal Representation Learning
von: Fan, Di, et al.
Veröffentlicht: (2023)

Physically Interpretable Representation Learning with Gaussian Mixture Variational AutoEncoder (GM-VAE)
von: Fan, Tiffany, et al.
Veröffentlicht: (2025)

Model-Change Active Learning in Graph-Based Semi-Supervised Learning
von: Miller, Kevin, et al.
Veröffentlicht: (2021)

Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding
von: Hu, Bozhen, et al.
Veröffentlicht: (2024)

Graph-Based Semi-Supervised Segregated Lipschitz Learning
von: Bozorgnia, Farid, et al.
Veröffentlicht: (2024)

Learning Feature Encoder with Synthetic Anomalies for Weakly Supervised Graph Anomaly Detection
von: Zhou, Yingjie, et al.
Veröffentlicht: (2026)

CFASL: Composite Factor-Aligned Symmetry Learning for Disentanglement in Variational AutoEncoder
von: Jung, Hee-Jun, et al.
Veröffentlicht: (2024)

Hypergraph Transformer for Semi-Supervised Classification
von: Liu, Zexi, et al.
Veröffentlicht: (2023)

Adaptive Graph Auto-Encoder for General Data Clustering
von: Li, Xuelong, et al.
Veröffentlicht: (2020)

A Markov Random Field Multi-Modal Variational AutoEncoder
von: Oubari, Fouad, et al.
Veröffentlicht: (2024)

A Matrix Variational Auto-Encoder for Variant Effect Prediction in Pharmacogenes
von: Honoré, Antoine, et al.
Veröffentlicht: (2025)

Inductive Transfer Learning for Graph-Based Recommenders
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

KAE: Kolmogorov-Arnold Auto-Encoder for Representation Learning
von: Yu, Fangchen, et al.
Veröffentlicht: (2024)

Geometric Imbalance in Semi-Supervised Node Classification
von: Yan, Liang, et al.
Veröffentlicht: (2023)

Semi-Supervised End-To-End Contrastive Learning For Time Series Classification
von: Cai, Huili, et al.
Veröffentlicht: (2023)

Rethinking Open-World Semi-Supervised Learning: Distribution Mismatch and Inductive Inference
von: Park, Seongheon, et al.
Veröffentlicht: (2024)

Generalization Error Guaranteed Auto-Encoder-Based Nonlinear Model Reduction for Operator Learning
von: Liu, Hao, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning on Graphs using Graph Neural Networks
von: Chen, Juntong, et al.
Veröffentlicht: (2026)

Informative Subgraphs Aware Masked Auto-Encoder in Dynamic Graphs
von: Jiao, Pengfe, et al.
Veröffentlicht: (2024)

HC-GAE: The Hierarchical Cluster-based Graph Auto-Encoder for Graph Representation Learning
von: Xu, Zhuo, et al.
Veröffentlicht: (2024)

Causal Effect Estimation using identifiable Variational AutoEncoder with Latent Confounders and Post-Treatment Variables
von: Xie, Yang, et al.
Veröffentlicht: (2024)

Graph Classification with GNNs: Optimisation, Representation and Inductive Bias
von: a, P. Krishna Kumar, et al.
Veröffentlicht: (2024)

Rethinking Semi-Supervised Imbalanced Node Classification from Bias-Variance Decomposition
von: Yan, Liang, et al.
Veröffentlicht: (2023)

Multimodal hierarchical Variational AutoEncoders with Factor Analysis latent space
von: Guerrero-López, Alejandro, et al.
Veröffentlicht: (2022)

Multiple-Input Variational Auto-Encoder for Anomaly Detection in Heterogeneous Data
von: Dinh, Phai Vu, et al.
Veröffentlicht: (2025)