Buchumschlag

Rethinking Independent Cross-Entropy Loss For Graph-Structured Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Miao, Rui, Zhou, Kaixiong, Wang, Yili, Liu, Ninghao, Wang, Ying, Wang, Xin
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

Efficient Sharpness-Aware Minimization for Molecular Graph Transformer Models
von: Wang, Yili, et al.
Veröffentlicht: (2024)

Heterogeneous Graph Neural Networks with Loss-decrease-aware Curriculum Learning
von: Wang, Yili
Veröffentlicht: (2024)

Raising the Bar in Graph OOD Generalization: Invariant Learning Beyond Explicit Environment Modeling
von: Shen, Xu, et al.
Veröffentlicht: (2025)

Retrieval-enhanced Knowledge Editing in Language Models for Multi-Hop Question Answering
von: Shi, Yucheng, et al.
Veröffentlicht: (2024)

Asymmetric Advantage Modulation Calibrates Entropy Dynamics in RLVR
von: Gu, Hengrui, et al.
Veröffentlicht: (2026)

Rethinking Entropy Interventions in RLVR: An Entropy Change Perspective
von: Hao, Zhezheng, et al.
Veröffentlicht: (2025)

Rethinking Propagation for Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

GraphLoRA: Structure-Aware Contrastive Low-Rank Adaptation for Cross-Graph Transfer Learning
von: Yang, Zhe-Rui, et al.
Veröffentlicht: (2024)

Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models
von: Shen, Xu, et al.
Veröffentlicht: (2024)

Rethinking Graph Contrastive Learning through Relative Similarity Preservation
von: Ning, Zhiyuan, et al.
Veröffentlicht: (2025)

EntropyStop: Unsupervised Deep Outlier Detection with Loss Entropy
von: Huang, Yihong, et al.
Veröffentlicht: (2024)

NN-Former: Rethinking Graph Structure in Neural Architecture Representation
von: Xu, Ruihan, et al.
Veröffentlicht: (2025)

PSL: Rethinking and Improving Softmax Loss from Pairwise Perspective for Recommendation
von: Yang, Weiqin, et al.
Veröffentlicht: (2024)

Towards A Universal Graph Structural Encoder
von: Chen, Jialin, et al.
Veröffentlicht: (2025)

Meta-GCN: A Dynamically Weighted Loss Minimization Method for Dealing with the Data Imbalance in Graph Neural Networks
von: Mohammadizadeh, Mahdi, et al.
Veröffentlicht: (2024)

Simple and Efficient Heterogeneous Temporal Graph Neural Network
von: Wang, Yili, et al.
Veröffentlicht: (2025)

LoReC: Rethinking Large Language Models for Graph Data Analysis
von: Zhan, Hongyu, et al.
Veröffentlicht: (2026)

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

Rethinking Dimensional Rationale in Graph Contrastive Learning from Causal Perspective
von: Ji, Qirui, et al.
Veröffentlicht: (2023)

$α$-GAN by Rényi Cross Entropy
von: Ding, Ni, et al.
Veröffentlicht: (2025)

Can LLMs Find Fraudsters? Multi-level LLM Enhanced Graph Fraud Detection
von: Huang, Tairan, et al.
Veröffentlicht: (2025)

When Domains Interact: Asymmetric and Order-Sensitive Cross-Domain Effects in Reinforcement Learning for Reasoning
von: Yang, Wang, et al.
Veröffentlicht: (2026)

Enhancing LLM Steering through Sparse Autoencoder-Based Vector Refinement
von: Wang, Anyi, et al.
Veröffentlicht: (2025)

Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
von: Jian, Xiangru, et al.
Veröffentlicht: (2024)

Integrating Social Determinants of Health into Knowledge Graphs: Evaluating Prediction Bias and Fairness in Healthcare
von: Shang, Tianqi, et al.
Veröffentlicht: (2024)

Gradient-based Model Shortcut Detection for Time Series Classification
von: Ibarra, Salomon, et al.
Veröffentlicht: (2025)

Pioneering Reliable Assessment in Text-to-Image Knowledge Editing: Leveraging a Fine-Grained Dataset and an Innovative Criterion
von: Gu, Hengrui, et al.
Veröffentlicht: (2024)

Structural Invariance Matters: Rethinking Graph Rewiring through Graph Metrics
von: Benoit, Alexandre, et al.
Veröffentlicht: (2025)

Rethinking Efficient Graph Coarsening via a Non-Selfishness Principle
von: Bai, Xu, et al.
Veröffentlicht: (2026)

Rethinking Loss Reweighting for Imbalance Learning as an Inverse Problem: A Neural Collapse Point of View
von: Wang, Jinping, et al.
Veröffentlicht: (2026)

Rethinking Distribution Shifts: Empirical Analysis and Inductive Modeling for Tabular Data
von: Wang, Tianyu, et al.
Veröffentlicht: (2023)

Rethinking GSPO: The Perplexity-Entropy Equivalence
von: Liu, Chi
Veröffentlicht: (2025)

Is Meta-Learning Out? Rethinking Unsupervised Few-Shot Classification with Limited Entropy
von: Guan, Yunchuan, et al.
Veröffentlicht: (2025)

Benchmark on Drug Target Interaction Modeling from a Drug Structure Perspective
von: Zhang, Xinnan, et al.
Veröffentlicht: (2024)

Rethinking Losses for Diffusion Bridge Samplers
von: Sanokowski, Sebastian, et al.
Veröffentlicht: (2025)

Graph Federated Learning Based Proactive Content Caching in Edge Computing
von: Wang, Rui
Veröffentlicht: (2025)

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

Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data
von: Liao, Xinting, et al.
Veröffentlicht: (2024)

SNOMED CT-powered Knowledge Graphs for Structured Clinical Data and Diagnostic Reasoning
von: Liu, Dun, et al.
Veröffentlicht: (2025)

CURE: Critical-Token-Guided Re-Concatenation for Entropy-Collapse Prevention
von: Li, Qingbin, et al.
Veröffentlicht: (2025)