Buchumschlag

Port-Hamiltonian Architectural Bias for Long-Range Propagation in Deep Graph Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Heilig, Simon, Gravina, Alessio, Trenta, Alessandro, Gallicchio, Claudio, Bacciu, Davide
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Long Range Propagation on Continuous-Time Dynamic Graphs
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

SONAR: Long-Range Graph Propagation Through Information Waves
von: Trenta, Alessandro, et al.
Veröffentlicht: (2025)

Improving Long-Range Interactions in Graph Neural Simulators via Hamiltonian Dynamics
von: Hoang, Tai, et al.
Veröffentlicht: (2025)

Can You Hear Me Now? A Benchmark for Long-Range Graph Propagation
von: Miglior, Luca, et al.
Veröffentlicht: (2025)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

Non-Dissipative Graph Propagation for Non-Local Community Detection
von: Leeney, William, et al.
Veröffentlicht: (2025)

Deep learning for dynamic graphs: models and benchmarks
von: Gravina, Alessio, et al.
Veröffentlicht: (2023)

GRAMA: Adaptive Graph Autoregressive Moving Average Models
von: Eliasof, Moshe, et al.
Veröffentlicht: (2025)

Message-Passing State-Space Models: Improving Graph Learning with Modern Sequence Modeling
von: Ceni, Andrea, et al.
Veröffentlicht: (2025)

Graph Hierarchical Recurrence for Long-Range Generalization
von: Carotti, Stefano, et al.
Veröffentlicht: (2026)

Learning and Transferring Physical Models through Derivatives
von: Trenta, Alessandro, et al.
Veröffentlicht: (2025)

Learning Subsystem Dynamics in Nonlinear Systems via Port-Hamiltonian Neural Networks
von: van Otterdijk, G. J. E., et al.
Veröffentlicht: (2024)

Temporal Graph ODEs for Irregularly-Sampled Time Series
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

Towards an Optimal Control Perspective of ResNet Training
von: Püttschneider, Jens, et al.
Veröffentlicht: (2025)

Structure- and Stability-Preserving Learning of Port-Hamiltonian Systems
von: Nguyen, Binh, et al.
Veröffentlicht: (2026)

Neural Port-Hamiltonian Models for Nonlinear Distributed Control: An Unconstrained Parametrization Approach
von: Zakwan, Muhammad, et al.
Veröffentlicht: (2024)

Learning Passive Continuous-Time Dynamics with Multistep Port-Hamiltonian Gaussian Processes
von: Leung, Chi Ho, et al.
Veröffentlicht: (2025)

Neural Port-Hamiltonian Differential Algebraic Equations for Compositional Learning of Electrical Networks
von: Neary, Cyrus, et al.
Veröffentlicht: (2024)

Information propagation dynamics in Deep Graph Networks
von: Gravina, Alessio
Veröffentlicht: (2024)

Deep Long-Short Term Memory networks: Stability properties and Experimental validation
von: Bonassi, Fabio, et al.
Veröffentlicht: (2023)

MultiSTOP: Solving Functional Equations with Reinforcement Learning
von: Trenta, Alessandro, et al.
Veröffentlicht: (2024)

Symplectic Inductive Bias for Data-Driven Target Reachability in Hamiltonian Systems
von: Ouyang, Zhuo, et al.
Veröffentlicht: (2026)

PHAST: Port-Hamiltonian Architecture for Structured Temporal Dynamics Forecasting
von: Bhardwaj, Shubham, et al.
Veröffentlicht: (2026)

Physics-Constrained Learning for PDE Systems with Uncertainty Quantified Port-Hamiltonian Models
von: Tan, Kaiyuan, et al.
Veröffentlicht: (2024)

Co-Learning Port-Hamiltonian Systems and Optimal Energy-Shaping Control
von: Kamboj, Ankur, et al.
Veröffentlicht: (2026)

Gradient Flow Equations for Deep Linear Neural Networks: A Survey from a Network Perspective
von: Wendin, Joel, et al.
Veröffentlicht: (2025)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
von: Gravina, Alessio, et al.
Veröffentlicht: (2025)

Transformer-Based Scalable Multi-Agent Reinforcement Learning for Networked Systems with Long-Range Interactions
von: Sinha, Vidur, et al.
Veröffentlicht: (2025)

Stochastic Deep Koopman Model for Quality Propagation Analysis in Multistage Manufacturing Systems
von: Chen, Zhiyi, et al.
Veröffentlicht: (2023)

Certifying Guidance & Control Networks: Uncertainty Propagation to an Event Manifold
von: Origer, Sebastien, et al.
Veröffentlicht: (2024)

Hybrid Energy-Based Models for Physical AI: Provably Stable Identification of Port-Hamiltonian Dynamics
von: Betteti, Simone, et al.
Veröffentlicht: (2026)

Frequency-Separable Hamiltonian Neural Network for Multi-Timescale Dynamics
von: Li, Yaojun, et al.
Veröffentlicht: (2026)

Scalable Verification of Neural Control Barrier Functions Using Linear Bound Propagation
von: Vertovec, Nikolaus, et al.
Veröffentlicht: (2025)

Heavy-Tailed and Long-Range Dependent Noise in Stochastic Approximation: A Finite-Time Analysis
von: Chandak, Siddharth, et al.
Veröffentlicht: (2026)

Return of ChebNet: Understanding and Improving an Overlooked GNN on Long Range Tasks
von: Hariri, Ali, et al.
Veröffentlicht: (2025)

Effective Analog ICs Floorplanning with Relational Graph Neural Networks and Reinforcement Learning
von: Basso, Davide, et al.
Veröffentlicht: (2024)

Reliable Vertical Federated Learning in 5G Core Network Architecture
von: Mestoukirdi, Mohamad, et al.
Veröffentlicht: (2025)

Incremental Correction in Dynamic Systems Modelled with Neural Networks for Constraint Satisfaction
von: Cho, Namhoon, et al.
Veröffentlicht: (2022)

Predictive Analysis for Optimizing Port Operations
von: Rao, Aniruddha Rajendra, et al.
Veröffentlicht: (2024)

Graph Neural Network-Accelerated Network-Reconfigured Optimal Power Flow
von: Pham, Thuan, et al.
Veröffentlicht: (2024)