Copertina

A General Graph Spectral Wavelet Convolution via Chebyshev Order Decomposition

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Nian, He, Xiaoxin, Laurent, Thomas, Di Giovanni, Francesco, Bronstein, Michael M., Bresson, Xavier
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Harnessing Explanations: LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning
di: He, Xiaoxin, et al.
Pubblicazione: (2023)

G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering
di: He, Xiaoxin, et al.
Pubblicazione: (2024)

Locality-Aware Graph-Rewiring in GNNs
di: Barbero, Federico, et al.
Pubblicazione: (2023)

Through the Dual-Prism: A Spectral Perspective on Graph Data Augmentation for Graph Classification
di: Xia, Yutong, et al.
Pubblicazione: (2024)

Coefficient Decomposition for Spectral Graph Convolution
di: Huang, Feng, et al.
Pubblicazione: (2024)

Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
di: He, Mingguo, et al.
Pubblicazione: (2022)

MarS-FM: Generative Modeling of Molecular Dynamics via Markov State Models
di: Kapuśniak, Kacper, et al.
Pubblicazione: (2025)

Relaxed Equivariance via Multitask Learning
di: Elhag, Ahmed A., et al.
Pubblicazione: (2024)

Crys-JEPA: Accelerating Crystal Discovery via Embedding Screening and Generative Refinement
di: Liu, Nian, et al.
Pubblicazione: (2026)

Composable Crystals: Controllable Materials Discovery via Concept Learning
di: Liu, Nian, et al.
Pubblicazione: (2026)

Graph Spectral Filtering with Chebyshev Interpolation for Recommendation
di: Kim, Chanwoo, et al.
Pubblicazione: (2025)

Understanding Virtual Nodes: Oversquashing and Node Heterogeneity
di: Southern, Joshua, et al.
Pubblicazione: (2024)

Spectral Heterogeneous Graph Convolutions via Positive Noncommutative Polynomials
di: He, Mingguo, et al.
Pubblicazione: (2023)

Spectral Embedding via Chebyshev Bases for Robust DeepONet Approximation
di: Abid, Muhammad, et al.
Pubblicazione: (2025)

Navigating Complexity: Toward Lossless Graph Condensation via Expanding Window Matching
di: Zhang, Yuchen, et al.
Pubblicazione: (2024)

Wavelet-Inspired Multiscale Graph Convolutional Recurrent Network for Traffic Forecasting
di: Qian, Qipeng, et al.
Pubblicazione: (2024)

Generalized Learning of Coefficients in Spectral Graph Convolutional Networks
di: Coşkun, Mustafa, et al.
Pubblicazione: (2024)

Combining Reinforcement Learning and Optimal Transport for the Traveling Salesman Problem
di: Goh, Yong Liang, et al.
Pubblicazione: (2022)

UniGraph: Learning a Unified Cross-Domain Foundation Model for Text-Attributed Graphs
di: He, Yufei, et al.
Pubblicazione: (2024)

Learning Invariant Representations of Graph Neural Networks via Cluster Generalization
di: Xia, Donglin, et al.
Pubblicazione: (2024)

InfoGain Wavelets: Furthering the Design of Graph Diffusion Wavelets
di: Johnson, David R., et al.
Pubblicazione: (2025)

Message-Passing Monte Carlo: Generating low-discrepancy point sets via Graph Neural Networks
di: Rusch, T. Konstantin, et al.
Pubblicazione: (2024)

How does over-squashing affect the power of GNNs?
di: Di Giovanni, Francesco, et al.
Pubblicazione: (2023)

UniGraph2: Learning a Unified Embedding Space to Bind Multimodal Graphs
di: He, Yufei, et al.
Pubblicazione: (2025)

Can Graph Foundation Models Generalize Over Architecture?
di: Gutteridge, Benjamin, et al.
Pubblicazione: (2026)

Predicting the Performance of Graph Convolutional Networks with Spectral Properties of the Graph Laplacian
di: Manir, Shalima Binta, et al.
Pubblicazione: (2025)

Generating Graphs via Spectral Diffusion
di: Minello, Giorgia, et al.
Pubblicazione: (2024)

Spectral Path Regression: Directional Chebyshev Harmonics for Interpretable Tabular Learning
di: Coombs, Milo
Pubblicazione: (2026)

Prediction via Shapley Value Regression
di: Alkhatib, Amr, et al.
Pubblicazione: (2025)

A Simple Spectral Failure Mode for Graph Convolutional Networks
di: Priebe, Carey E., et al.
Pubblicazione: (2020)

Enhancing the Expressivity of Temporal Graph Networks through Source-Target Identification
di: Tjandra, Benedict Aaron, et al.
Pubblicazione: (2024)

Spectral Wavelet Dropout: Regularization in the Wavelet Domain
di: Cakaj, Rinor, et al.
Pubblicazione: (2024)

Graph-Convolutional-Beta-VAE for Synthetic Abdominal Aorta Aneurysm Generation
di: Fabbri, Francesco, et al.
Pubblicazione: (2025)

Random Wavelet Features for Graph Kernel Machines
di: de Bassompierre, Valentin, et al.
Pubblicazione: (2026)

On the Impact of Downstream Tasks on Sampling and Reconstructing Noisy Graph Signals
di: Sripathmanathan, Baskaran, et al.
Pubblicazione: (2025)

Bringing Graphs to the Table: Zero-shot Node Classification via Tabular Foundation Models
di: Hayler, Adrian, et al.
Pubblicazione: (2025)

Can we Soft Prompt LLMs for Graph Learning Tasks?
di: Liu, Zheyuan, et al.
Pubblicazione: (2024)

Time Extrapolation with Graph Convolutional Autoencoder and Tensor Train Decomposition
di: Chen, Yuanhong, et al.
Pubblicazione: (2025)

Revealing Decurve Flows for Generalized Graph Propagation
di: Lin, Chen, et al.
Pubblicazione: (2024)

Spectral GNN via Two-dimensional (2-D) Graph Convolution
di: Li, Guoming, et al.
Pubblicazione: (2024)