Buchumschlag

Enhancing Size Generalization in Graph Neural Networks through Disentangled Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Zheng, Yang, Qihui, Zhou, Dawei, Yan, Yujun
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

Exploring Consistency in Graph Representations:from Graph Kernels to Graph Neural Networks
von: Liu, Xuyuan, et al.
Veröffentlicht: (2024)

Tackling Size Generalization of Graph Neural Networks on Biological Data from a Spectral Perspective
von: Li, Gaotang, et al.
Veröffentlicht: (2023)

Non-exchangeable Conformal Prediction for Temporal Graph Neural Networks
von: Wang, Tuo, et al.
Veröffentlicht: (2025)

Disentangled Generative Graph Representation Learning
von: Hu, Xinyue, et al.
Veröffentlicht: (2024)

Disentangling, Amplifying, and Debiasing: Learning Disentangled Representations for Fair Graph Neural Networks
von: Lee, Yeon-Chang, et al.
Veröffentlicht: (2024)

Learning Network Representations with Disentangled Graph Auto-Encoder
von: Fan, Di, et al.
Veröffentlicht: (2024)

Causality-Aware Spatiotemporal Graph Neural Networks for Spatiotemporal Time Series Imputation
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Disentangled Hyperbolic Representation Learning for Heterogeneous Graphs
von: Bai, Qijie, et al.
Veröffentlicht: (2024)

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

What Is Missing In Homophily? Disentangling Graph Homophily For Graph Neural Networks
von: Zheng, Yilun, et al.
Veröffentlicht: (2024)

Disentangling Multiplex Spatial-Temporal Transition Graph Representation Learning for Socially Enhanced POI Recommendation
von: Li, Jie, et al.
Veröffentlicht: (2025)

Fair Graph Representation Learning via Sensitive Attribute Disentanglement
von: Zhu, Yuchang, et al.
Veröffentlicht: (2024)

GENUINE: Graph Enhanced Multi-level Uncertainty Estimation for Large Language Models
von: Wang, Tuo, et al.
Veröffentlicht: (2025)

Are LLM-Enhanced Graph Neural Networks Robust against Poisoning Attacks?
von: Ma, Yuhang, et al.
Veröffentlicht: (2026)

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

A Disentangled Representation Learning Framework for Low-altitude Network Coverage Prediction
von: Li, Xiaojie, et al.
Veröffentlicht: (2025)

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

Deep Disentangled Representation Network for Treatment Effect Estimation
von: Meng, Hui, et al.
Veröffentlicht: (2025)

Out-of-Distribution Generalized Dynamic Graph Neural Network with Disentangled Intervention and Invariance Promotion
von: Zhang, Zeyang, et al.
Veröffentlicht: (2023)

On the Convergence and Size Transferability of Continuous-depth Graph Neural Networks
von: Yan, Mingsong, et al.
Veröffentlicht: (2025)

DeepSeq2: Enhanced Sequential Circuit Learning with Disentangled Representations
von: Khan, Sadaf, et al.
Veröffentlicht: (2024)

Optimizing Long-tailed Link Prediction in Graph Neural Networks through Structure Representation Enhancement
von: Wang, Yakun, et al.
Veröffentlicht: (2024)

EvoluNet: Advancing Dynamic Non-IID Transfer Learning on Graphs
von: Wang, Haohui, et al.
Veröffentlicht: (2023)

Fast Track to Winning Tickets: Repowering One-Shot Pruning for Graph Neural Networks
von: Yue, Yanwei, et al.
Veröffentlicht: (2024)

DRGW: Learning Disentangled Representations for Robust Graph Watermarking
von: Li, Jiasen, et al.
Veröffentlicht: (2026)

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

Disentangled Graph Representation Based on Substructure-Aware Graph Optimal Matching Kernel Convolutional Networks
von: Wang, Mao, et al.
Veröffentlicht: (2025)

Generative Dynamic Graph Representation Learning for Conspiracy Spoofing Detection
von: Xiang, Sheng, et al.
Veröffentlicht: (2025)

Enhancing Robustness of Graph Neural Networks through p-Laplacian
von: Sirohi, Anuj Kumar, et al.
Veröffentlicht: (2024)

Generalization of Graph Neural Networks through the Lens of Homomorphism
von: Li, Shouheng, et al.
Veröffentlicht: (2024)

Enhancing Robustness of Graph Neural Networks through p-Laplacian
von: Sirohi, Anuj Kumar, et al.
Veröffentlicht: (2025)

Disentangling the Causes of Plasticity Loss in Neural Networks
von: Lyle, Clare, et al.
Veröffentlicht: (2024)

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

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

Disentangling Representations through Multi-task Learning
von: Vafidis, Pantelis, et al.
Veröffentlicht: (2024)

Self-Supervised Graph Neural Networks for Enhanced Feature Extraction in Heterogeneous Information Networks
von: Wei, Jianjun, et al.
Veröffentlicht: (2024)

Causality-Driven Disentangled Representation Learning in Multiplex Graphs
von: Nasiri, Saba, et al.
Veröffentlicht: (2026)

Variational Learning of Disentangled Representations
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2025)

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

Neural Network Training via Stochastic Alternating Minimization with Trainable Step Sizes
von: Yan, Chengcheng, et al.
Veröffentlicht: (2025)