Buchumschlag

AMOSL: Adaptive Modality-wise Structure Learning in Multi-view Graph Neural Networks For Enhanced Unified Representation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Peiyu, Gao, Hongchang, He, Xubin
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

Decentralized Multi-Level Compositional Optimization Algorithms with Level-Independent Convergence Rate
von: Gao, Hongchang
Veröffentlicht: (2023)

Probability Passing for Graph Neural Networks: Graph Structure and Representations Joint Learning
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

Adaptive Multi-view Graph Contrastive Learning via Fractional-order Neural Diffusion Networks
von: Zhao, Yanan, et al.
Veröffentlicht: (2025)

Multi-view Fuzzy Graph Attention Networks for Enhanced Graph Learning
von: Xing, Jinming, et al.
Veröffentlicht: (2024)

On Provable Benefits of Muon in Federated Learning
von: Zhang, Xinwen, et al.
Veröffentlicht: (2025)

Decentralized Stochastic Gradient Descent Ascent for Finite-Sum Minimax Problems
von: Gao, Hongchang
Veröffentlicht: (2022)

SLRL: Structured Latent Representation Learning for Multi-view Clustering
von: Xiong, Zhangci, et al.
Veröffentlicht: (2024)

Learning Multi-view Molecular Representations with Structured and Unstructured Knowledge
von: Luo, Yizhen, et al.
Veröffentlicht: (2024)

Learning Fair Graph Representations with Multi-view Information Bottleneck
von: Liu, Chuxun, et al.
Veröffentlicht: (2025)

DGNN: Decoupled Graph Neural Networks with Structural Consistency between Attribute and Graph Embedding Representations
von: Wang, Jinlu, et al.
Veröffentlicht: (2024)

Representation Learning with Mutual Influence of Modalities for Node Classification in Multi-Modal Heterogeneous Networks
von: Li, Jiafan, et al.
Veröffentlicht: (2025)

Enhancing Size Generalization in Graph Neural Networks through Disentangled Representation Learning
von: Huang, Zheng, et al.
Veröffentlicht: (2024)

Federated Stochastic Minimax Optimization under Heavy-Tailed Noises
von: Zhang, Xinwen, et al.
Veröffentlicht: (2025)

Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow
von: Ma, Jicheng, et al.
Veröffentlicht: (2026)

Theoretical Learning Performance of Graph Neural Networks: The Impact of Jumping Connections and Layer-wise Sparsification
von: Sun, Jiawei, et al.
Veröffentlicht: (2025)

AdaKernel: Learning Adaptive Kernel Parameters for Spatiotemporal Graph Neural Networks
von: Zhang, Zhongyue, et al.
Veröffentlicht: (2026)

Enhancing Federated Graph Learning via Adaptive Fusion of Structural and Node Characteristics
von: Gao, Xianjun, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

Orientation-Aware Graph Neural Networks for Protein Structure Representation Learning
von: Li, Jiahan, et al.
Veröffentlicht: (2022)

Node-wise Filtering in Graph Neural Networks: A Mixture of Experts Approach
von: Han, Haoyu, et al.
Veröffentlicht: (2024)

UniCorn: A Unified Contrastive Learning Approach for Multi-view Molecular Representation Learning
von: Feng, Shikun, et al.
Veröffentlicht: (2024)

Enhancing Multi-view Open-set Learning via Ambiguity Uncertainty Calibration and View-wise Debiasing
von: Fang, Zihan, et al.
Veröffentlicht: (2025)

Tensor-view Topological Graph Neural Network
von: Wen, Tao, et al.
Veröffentlicht: (2024)

Multi-Modal Molecular Representation Learning via Structure Awareness
von: Yin, Rong, et al.
Veröffentlicht: (2025)

Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering
von: Chen, Tianyi, et al.
Veröffentlicht: (2026)

Concept Factorization via Self-Representation and Adaptive Graph Structure Learning
von: Yang, Zhengqin, et al.
Veröffentlicht: (2025)

Rethinking Structure Learning For Graph Neural Networks
von: Zheng, Yilun, et al.
Veröffentlicht: (2024)

Graph Sparsification for Enhanced Conformal Prediction in Graph Neural Networks
von: He, Yuntian, et al.
Veröffentlicht: (2024)

DPGNN: Dual-Perception Graph Neural Network for Representation Learning
von: Zhou, Li, et al.
Veröffentlicht: (2021)

Inductive Graph Representation Learning with Quantum Graph Neural Networks
von: Faria, Arthur M., et al.
Veröffentlicht: (2025)

Adversarial Graph Fusion for Incomplete Multi-view Semi-supervised Learning with Tensorial Imputation
von: Jiang, Zhangqi, et al.
Veröffentlicht: (2025)

Learning Locally Adaptive Metrics that Enhance Structural Representation with $\texttt{LAMINAR}$
von: Kleiber, Christian, et al.
Veröffentlicht: (2024)

FedLWS: Federated Learning with Adaptive Layer-wise Weight Shrinking
von: Shi, Changlong, et al.
Veröffentlicht: (2025)

Enhancing Graph Representation Learning with Attention-Driven Spiking Neural Networks
von: Yin, Huifeng, et al.
Veröffentlicht: (2024)

Multi-view Clustering via Unified Multi-kernel Learning and Matrix Factorization
von: Jia, Chenxing, et al.
Veröffentlicht: (2024)

PRAGA: Prototype-aware Graph Adaptive Aggregation for Spatial Multi-modal Omics Analysis
von: Huang, Xinlei, et al.
Veröffentlicht: (2024)

Effective Edge-wise Representation Learning in Edge-Attributed Bipartite Graphs
von: Wang, Hewen, et al.
Veröffentlicht: (2024)

AdaTrans: Feature-wise and Sample-wise Adaptive Transfer Learning for High-dimensional Regression
von: He, Zelin, et al.
Veröffentlicht: (2024)

Kernel Alignment-based Multi-view Unsupervised Feature Selection with Sample-level Adaptive Graph Learning
von: Tan, Yalan, et al.
Veröffentlicht: (2026)

Graph Structure Learning with Interpretable Bayesian Neural Networks
von: Wasserman, Max, et al.
Veröffentlicht: (2024)