Buchumschlag

A Survey on Hypergraph Neural Networks: An In-Depth and Step-By-Step Guide

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Sunwoo, Lee, Soo Yong, Gao, Yue, Antelmi, Alessia, Polato, Mirko, Shin, Kijung
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

HypeBoy: Generative Self-Supervised Representation Learning on Hypergraphs
von: Kim, Sunwoo, et al.
Veröffentlicht: (2024)

'Hello, World!': Making GNNs Talk with LLMs
von: Kim, Sunwoo, et al.
Veröffentlicht: (2025)

Learning to Flow from Generative Pretext Tasks for Neural Architecture Encoding
von: Kim, Sunwoo, et al.
Veröffentlicht: (2025)

SLADE: Detecting Dynamic Anomalies in Edge Streams without Labels via Self-Supervised Learning
von: Lee, Jongha, et al.
Veröffentlicht: (2024)

FlowerFormer: Empowering Neural Architecture Encoding using a Flow-aware Graph Transformer
von: Hwang, Dongyeong, et al.
Veröffentlicht: (2024)

Feature-Centric Unsupervised Node Representation Learning Without Homophily Assumption
von: Kim, Sunwoo, et al.
Veröffentlicht: (2025)

fluke: Federated Learning Utility frameworK for Experimentation and research
von: Polato, Mirko
Veröffentlicht: (2024)

Feature Distribution on Graph Topology Mediates the Effect of Graph Convolution: Homophily Perspective
von: Lee, Soo Yong, et al.
Veröffentlicht: (2024)

MARIOH: Multiplicity-Aware Hypergraph Reconstruction
von: Lee, Kyuhan, et al.
Veröffentlicht: (2025)

Rethinking Reconstruction-based Graph-Level Anomaly Detection: Limitations and a Simple Remedy
von: Kim, Sunwoo, et al.
Veröffentlicht: (2024)

RDB2G-Bench: A Comprehensive Benchmark for Automatic Graph Modeling of Relational Databases
von: Choi, Dongwon, et al.
Veröffentlicht: (2025)

Sign is Not a Remedy: Multiset-to-Multiset Message Passing for Learning on Heterophilic Graphs
von: Liang, Langzhang, et al.
Veröffentlicht: (2024)

Dynamic Rank Adjustment for Accurate and Efficient Neural Network Training
von: Shin, Hyuntak, et al.
Veröffentlicht: (2025)

Tackling Prevalent Conditions in Unsupervised Combinatorial Optimization: Cardinality, Minimum, Covering, and More
von: Bu, Fanchen, et al.
Veröffentlicht: (2024)

The Reasoning Trap: An Information-Theoretic Bound on Closed-System Multi-Step LLM Reasoning
von: Shin, Kwan Soo
Veröffentlicht: (2026)

Self-Guided Robust Graph Structure Refinement
von: In, Yeonjun, et al.
Veröffentlicht: (2024)

Self-Supervised Discovery of Neural Circuits in Spatially Patterned Neural Responses with Graph Neural Networks
von: Yoon, Kijung
Veröffentlicht: (2025)

From Raw Features to Effective Embeddings: A Three-Stage Approach for Multimodal Recipe Recommendation
von: Shin, Jeeho, et al.
Veröffentlicht: (2025)

Step by Step: Adaptive Gradient Descent for Training L-Lipschitz Neural Networks
von: Sung, Kyle, et al.
Veröffentlicht: (2025)

On Measuring Unnoticeability of Graph Adversarial Attacks: Observations, New Measure, and Applications
von: Jo, Hyeonsoo, et al.
Veröffentlicht: (2025)

Spear and Shield: Adversarial Attacks and Defense Methods for Model-Based Link Prediction on Continuous-Time Dynamic Graphs
von: Lee, Dongjin, et al.
Veröffentlicht: (2023)

Mitigating Over-Squashing in Graph Neural Networks by Spectrum-Preserving Sparsification
von: Liang, Langzhang, et al.
Veröffentlicht: (2025)

PyTorch-based Geometric Learning with Non-CUDA Processing Units: Experiences from Intel Gaudi-v2 HPUs
von: Bu, Fanchen, et al.
Veröffentlicht: (2025)

LightHGNN: Distilling Hypergraph Neural Networks into MLPs for $100\times$ Faster Inference
von: Feng, Yifan, et al.
Veröffentlicht: (2024)

SeedFlood: A Step Toward Scalable Decentralized Training of LLMs
von: Kim, Jihun, et al.
Veröffentlicht: (2026)

Deep Learning and Matrix Completion-aided IoT Network Localization in the Outlier Scenarios
von: Kim, Sunwoo
Veröffentlicht: (2025)

Active Learning with Selective Time-Step Acquisition for PDEs
von: Kim, Yegon, et al.
Veröffentlicht: (2025)

TiGer: Self-Supervised Purification for Time-evolving Graphs
von: Jo, Hyeonsoo, et al.
Veröffentlicht: (2025)

A Theory of Non-Linear Feature Learning with One Gradient Step in Two-Layer Neural Networks
von: Moniri, Behrad, et al.
Veröffentlicht: (2023)

Layer-wise Adaptive Gradient Norm Penalizing Method for Efficient and Accurate Deep Learning
von: Lee, Sunwoo
Veröffentlicht: (2025)

Multi-Behavior Recommender Systems: A Survey
von: Kim, Kyungho, et al.
Veröffentlicht: (2025)

Temporal Dynamic Embedding for Irregularly Sampled Time Series
von: Kim, Mincheol, et al.
Veröffentlicht: (2025)

Wasserstein Hypergraph Neural Network
von: Duta, Iulia, et al.
Veröffentlicht: (2025)

On Training-Test (Mis)alignment in Unsupervised Combinatorial Optimization: Observation, Empirical Exploration, and Analysis
von: Bu, Fanchen, et al.
Veröffentlicht: (2025)

Physics-Guided Recurrent State-Space Neural Networks for Multi-Step Prediction
von: Li, Ruiyuan, et al.
Veröffentlicht: (2026)

Locality-Aware Redundancy Pruning for LLM Depth Compression
von: Yun, Vincent-Daniel, et al.
Veröffentlicht: (2026)

One Step Learning, One Step Review
von: Huang, Xiaolong, et al.
Veröffentlicht: (2024)

Multi-Step Likelihood-Ratio Correction for Reinforcement Learning with Verifiable Rewards
von: Yoon, Deokgyu, et al.
Veröffentlicht: (2026)

DiffIM: Differentiable Influence Minimization with Surrogate Modeling and Continuous Relaxation
von: Lee, Junghun, et al.
Veröffentlicht: (2025)

Neural Network Training via Stochastic Alternating Minimization with Trainable Step Sizes
von: Yan, Chengcheng, et al.
Veröffentlicht: (2025)