Buchumschlag

Delayed Bottlenecking: Alleviating Forgetting in Pre-trained Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Zhe, Wang, Pengkun, Wang, Xu, Wen, Haibin, Xie, Xiaolong, Zhou, Zhengyang, Zhang, Qingfu, Wang, Yang
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

FaLW: A Forgetting-aware Loss Reweighting for Long-tailed Unlearning
von: Yu, Liheng, et al.
Veröffentlicht: (2026)

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

Search to Fine-tune Pre-trained Graph Neural Networks for Graph-level Tasks
von: Wang, Zhili, et al.
Veröffentlicht: (2023)

Pre-training Graph Neural Networks on 2D and 3D Molecular Structures by using Multi-View Conditional Information Bottleneck
von: Hoang, Van Thuy, et al.
Veröffentlicht: (2025)

Can LLMs Alleviate Catastrophic Forgetting in Graph Continual Learning? A Systematic Study
von: Cheng, Ziyang, et al.
Veröffentlicht: (2025)

Graph Generative Pre-trained Transformer
von: Chen, Xiaohui, et al.
Veröffentlicht: (2025)

Online Adversarial Knowledge Distillation for Graph Neural Networks
von: Wang, Can, et al.
Veröffentlicht: (2021)

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

DFA-GNN: Forward Learning of Graph Neural Networks by Direct Feedback Alignment
von: Zhao, Gongpei, et al.
Veröffentlicht: (2024)

Gene Regulatory Network Inference from Pre-trained Single-Cell Transcriptomics Transformer with Joint Graph Learning
von: Kommu, Sindhura, et al.
Veröffentlicht: (2024)

Catastrophic Forgetting in Kolmogorov-Arnold Networks
von: Rahman, Mohammad Marufur, et al.
Veröffentlicht: (2025)

What If We Let Forecasting Forget? A Sparse Bottleneck for Cross-Variable Dependencies
von: Zhang, Fan, et al.
Veröffentlicht: (2026)

Blood Glucose Control Via Pre-trained Counterfactual Invertible Neural Networks
von: Jiang, Jingchi, et al.
Veröffentlicht: (2024)

Neural Dynamics-Informed Pre-trained Framework for Personalized Brain Functional Network Construction
von: Jiang, Hongjie, et al.
Veröffentlicht: (2026)

To See Far, Look Close: Evolutionary Forecasting for Long-term Time Series
von: Ma, Jiaming, et al.
Veröffentlicht: (2026)

Practical Continual Forgetting for Pre-trained Vision Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2025)

GraphGPT: Generative Pre-trained Graph Eulerian Transformer
von: Zhao, Qifang, et al.
Veröffentlicht: (2023)

GraphSculptor: Sculpting Pre-training Coreset for Graph Self-supervised Learning
von: Liu, Chuang, et al.
Veröffentlicht: (2026)

OSF: On Pre-training and Scaling of Sleep Foundation Models
von: Shuai, Zitao, et al.
Veröffentlicht: (2026)

Topological Neural Networks: Mitigating the Bottlenecks of Graph Neural Networks via Higher-Order Interactions
von: Giusti, Lorenzo
Veröffentlicht: (2024)

PreGIP: Watermarking the Pretraining of Graph Neural Networks for Deep Intellectual Property Protection
von: Dai, Enyan, et al.
Veröffentlicht: (2024)

GaGSL: Global-augmented Graph Structure Learning via Graph Information Bottleneck
von: Li, Shuangjie, et al.
Veröffentlicht: (2024)

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

Collaborative Yet Personalized Policy Training: Single-Timescale Federated Actor-Critic
von: Wang, Leo Muxing, et al.
Veröffentlicht: (2026)

RAFT: Data Refinement and Adaptive Distillation for Domain Fine-Tuning with Alleviated Forgetting
von: Li, Yuduo, et al.
Veröffentlicht: (2026)

Oversmoothing Alleviation in Graph Neural Networks: A Survey and Unified View
von: Jin, Yufei, et al.
Veröffentlicht: (2024)

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

Non-Euclidean Spatial Graph Neural Network
von: Zhang, Zheng, et al.
Veröffentlicht: (2023)

Enhanced Atrial Fibrillation Prediction in ESUS Patients with Hypergraph-based Pre-training
von: Xie, Yuzhang, et al.
Veröffentlicht: (2026)

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

Learning to Reduce Search Space for Generalizable Neural Routing Solver
von: Zhou, Changliang, et al.
Veröffentlicht: (2025)

Unsupervised Generative Feature Transformation via Graph Contrastive Pre-training and Multi-objective Fine-tuning
von: Ying, Wangyang, et al.
Veröffentlicht: (2024)

Combinatorial Optimization with Automated Graph Neural Networks
von: Liu, Yang, et al.
Veröffentlicht: (2024)

Graph Unlearning: Efficient Node Removal in Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2025)

Knockoff-Guided Feature Selection via A Single Pre-trained Reinforced Agent
von: Wang, Xinyuan, et al.
Veröffentlicht: (2024)

Universal Prompt Tuning for Graph Neural Networks
von: Fang, Taoran, et al.
Veröffentlicht: (2022)

Generalizing Graph Neural Networks on Out-Of-Distribution Graphs
von: Fan, Shaohua, et al.
Veröffentlicht: (2021)

Graph Similarity Computation via Interpretable Neural Node Alignment
von: Wang, Jingjing, et al.
Veröffentlicht: (2024)

Enhancing Trustworthiness of Graph Neural Networks with Rank-Based Conformal Training
von: Wang, Ting, et al.
Veröffentlicht: (2025)

Evolution without an Oracle: Driving Effective Evolution with LLM Judges
von: Zhao, Zhe, et al.
Veröffentlicht: (2025)