Buchumschlag

Multi-source Unsupervised Domain Adaptation on Graphs with Transferability Modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Tianxiang, Luo, Dongsheng, Zhang, Xiang, Wang, Suhang
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

Bridging Source and Target Domains via Link Prediction for Unsupervised Domain Adaptation on Graphs
von: Wang, Yilong, et al.
Veröffentlicht: (2025)

Disambiguated Node Classification with Graph Neural Networks
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2024)

Shape-aware Graph Spectral Learning
von: Xu, Junjie, et al.
Veröffentlicht: (2023)

Distributionally Robust Learning for Multi-source Unsupervised Domain Adaptation
von: Wang, Zhenyu, et al.
Veröffentlicht: (2023)

Distribution Consistency based Self-Training for Graph Neural Networks with Sparse Labels
von: Wang, Fali, et al.
Veröffentlicht: (2024)

Distributionally Robust Classification for Multi-source Unsupervised Domain Adaptation
von: Kim, Seonghwi, et al.
Veröffentlicht: (2026)

Sparse Causal Discovery with Generative Intervention for Unsupervised Graph Domain Adaptation
von: Luo, Junyu, et al.
Veröffentlicht: (2025)

Enhance GNNs with Reliable Confidence Estimation via Adversarial Calibration Learning
von: Wang, Yilong, et al.
Veröffentlicht: (2025)

Enhancing Graph Neural Networks with Limited Labeled Data by Actively Distilling Knowledge from Large Language Models
von: Li, Quan, et al.
Veröffentlicht: (2024)

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

Towards Graph Foundation Models: A Transferability Perspective
von: Wang, Yuxiang, et al.
Veröffentlicht: (2025)

Semi-supervised Domain Adaptation in Graph Transfer Learning
von: Qiao, Ziyue, et al.
Veröffentlicht: (2023)

Gradual Fine-Tuning with Graph Routing for Multi-Source Unsupervised Domain Adaptation
von: Ma, Yao, et al.
Veröffentlicht: (2024)

Multi-Source Unsupervised Domain Adaptation with Prototype Aggregation
von: Huang, Min, et al.
Veröffentlicht: (2024)

Revisiting, Benchmarking and Understanding Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

Smoothness Really Matters: A Simple Yet Effective Approach for Unsupervised Graph Domain Adaptation
von: Chen, Wei, et al.
Veröffentlicht: (2024)

Towards Unsupervised Open-Set Graph Domain Adaptation via Dual Reprogramming
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

On the Transferability and Discriminability of Repersentation Learning in Unsupervised Domain Adaptation
von: Qiang, Wenwen, et al.
Veröffentlicht: (2025)

Enhancing Continuous Domain Adaptation with Multi-Path Transfer Curriculum
von: Liu, Hanbing, et al.
Veröffentlicht: (2024)

Personalized Sleep Staging Leveraging Source-free Unsupervised Domain Adaptation
von: Zhou, Yangxuan, et al.
Veröffentlicht: (2024)

Stein Discrepancy for Unsupervised Domain Adaptation
von: von Seeger, Anneke, et al.
Veröffentlicht: (2025)

A Weight-aware-based Multi-source Unsupervised Domain Adaptation Method for Human Motion Intention Recognition
von: Liu, Xiao-Yin, et al.
Veröffentlicht: (2024)

Unsupervised Domain Adaptation for Binary Classification with an Unobservable Source Subpopulation
von: Ying, Chao, et al.
Veröffentlicht: (2025)

Unsupervised Domain Adaptation Via Data Pruning
von: Napoli, Andrea, et al.
Veröffentlicht: (2024)

Interpretable Imitation Learning with Dynamic Causal Relations
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2023)

Pseudo-Labeling for Unsupervised Domain Adaptation with Kernel GLMs
von: Weill, Nathan, et al.
Veröffentlicht: (2026)

Uncertainty Awareness on Unsupervised Domain Adaptation for Time Series Data
von: Liu, Weide, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability
von: Dai, Enyan, et al.
Veröffentlicht: (2022)

Collaborative Multi-source Domain Adaptation Through Optimal Transport
von: Ghannou, Omar, et al.
Veröffentlicht: (2024)

Gradient Harmonization in Unsupervised Domain Adaptation
von: Huang, Fuxiang, et al.
Veröffentlicht: (2024)

Pairwise Alignment Improves Graph Domain Adaptation
von: Liu, Shikun, et al.
Veröffentlicht: (2024)

Stealing Training Graphs from Graph Neural Networks
von: Lin, Minhua, et al.
Veröffentlicht: (2024)

Attack by Unlearning: Unlearning-Induced Adversarial Attacks on Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

LLM and GNN are Complementary: Distilling LLM for Multimodal Graph Learning
von: Xu, Junjie, et al.
Veröffentlicht: (2024)

GALA: Graph Diffusion-based Alignment with Jigsaw for Source-free Domain Adaptation
von: Luo, Junyu, et al.
Veröffentlicht: (2024)

Contrastive Adversarial Training for Unsupervised Domain Adaptation
von: Chen, Jiahong, et al.
Veröffentlicht: (2024)

Scaling Unsupervised Multi-Source Federated Domain Adaptation through Group-Wise Discrepancy Minimization
von: Reichart, Larissa, et al.
Veröffentlicht: (2025)

Empowering GNNs for Domain Adaptation via Denoising Target Graph
von: Yu, Haiyang, et al.
Veröffentlicht: (2025)

Multi-Domain Graph Foundation Models: Robust Knowledge Transfer via Topology Alignment
von: Wang, Shuo, et al.
Veröffentlicht: (2025)

Concept-Based Unsupervised Domain Adaptation
von: Xu, Xinyue, et al.
Veröffentlicht: (2025)