Buchumschlag

Spatial-temporal Graph Convolutional Networks with Diversified Transformation for Dynamic Graph Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ling, Huang, Yixiang, Wu, Hao
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

Tensor Graph Convolutional Network for Dynamic Graph Representation Learning
von: Wang, Ling, et al.
Veröffentlicht: (2024)

Graph Propagation Transformer for Graph Representation Learning
von: Chen, Zhe, et al.
Veröffentlicht: (2023)

Spatial-Temporal Interactive Dynamic Graph Convolution Network for Traffic Forecasting
von: Liu, Aoyu, et al.
Veröffentlicht: (2022)

STGAN: Spatial-temporal Graph Autoregression Network for Pavement Distress Deterioration Prediction
von: Tong, Shilin, et al.
Veröffentlicht: (2025)

Knowledge Distillation on Spatial-Temporal Graph Convolutional Network for Traffic Prediction
von: Izadi, Mohammad, et al.
Veröffentlicht: (2024)

Time-varying Interaction Graph ODE for Dynamic Graph Representation Learning
von: Wang, Xiaoyi, et al.
Veröffentlicht: (2026)

Generalized Learning of Coefficients in Spectral Graph Convolutional Networks
von: Coşkun, Mustafa, et al.
Veröffentlicht: (2024)

Graph Convolutions Enrich the Self-Attention in Transformers!
von: Choi, Jeongwhan, et al.
Veröffentlicht: (2023)

Generic Multimodal Spatially Graph Network for Spatially Embedded Network Representation Learning
von: Fan, Xudong, et al.
Veröffentlicht: (2025)

Learning to Approximate Adaptive Kernel Convolution on Graphs
von: Sim, Jaeyoon, et al.
Veröffentlicht: (2024)

'Si'multaneous 'S'patial-'T'emporal Message Passing for Dynamic Graph Representation Learning
von: Roy, Shubhajit, et al.
Veröffentlicht: (2026)

Knowledge Probing for Graph Representation Learning
von: Zhao, Mingyu, et al.
Veröffentlicht: (2024)

Coefficient Decomposition for Spectral Graph Convolution
von: Huang, Feng, et al.
Veröffentlicht: (2024)

Brain Network Classification Based on Graph Contrastive Learning and Graph Transformer
von: Zhu, ZhiTeng, et al.
Veröffentlicht: (2025)

Discovering the Representation Bottleneck of Graph Neural Networks
von: Wu, Fang, et al.
Veröffentlicht: (2022)

Tractable Probabilistic Graph Representation Learning with Graph-Induced Sum-Product Networks
von: Errica, Federico, et al.
Veröffentlicht: (2023)

GQWformer: A Quantum-based Transformer for Graph Representation Learning
von: Yu, Lei, et al.
Veröffentlicht: (2024)

Leveraging Manifold Embeddings for Enhanced Graph Transformer Representations and Learning
von: Jyothish, Ankit, et al.
Veröffentlicht: (2025)

Representation Learning on Hyper-Relational and Numeric Knowledge Graphs with Transformers
von: Chung, Chanyoung, et al.
Veröffentlicht: (2023)

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

Incorporating Spatial Information into Goal-Conditioned Hierarchical Reinforcement Learning via Graph Representations
von: Zhang, Shuyuan, et al.
Veröffentlicht: (2025)

Markov Process-Based Graph Convolutional Networks for Entity Classification in Knowledge Graphs
von: Mäkelburg, Johannes, et al.
Veröffentlicht: (2024)

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

Multimodal Representation Learning using Adaptive Graph Construction
von: Huang, Weichen
Veröffentlicht: (2024)

From Cluster Assumption to Graph Convolution: Graph-based Semi-Supervised Learning Revisited
von: Wang, Zheng, et al.
Veröffentlicht: (2023)

TAGA: Text-Attributed Graph Self-Supervised Learning by Synergizing Graph and Text Mutual Transformations
von: Zhang, Zheng, et al.
Veröffentlicht: (2024)

YZS-model: A Predictive Model for Organic Drug Solubility Based on Graph Convolutional Networks and Transformer-Attention
von: Wang, Chenxu, et al.
Veröffentlicht: (2024)

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

Fast and Robust Contextual Node Representation Learning over Dynamic Graphs
von: Guo, Xingzhi, et al.
Veröffentlicht: (2024)

S2FGL: Spatial Spectral Federated Graph Learning
von: Tan, Zihan, et al.
Veröffentlicht: (2025)

Boolean Product Graph Neural Networks
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

GLANCE: Graph Logic Attention Network with Cluster Enhancement for Heterophilous Graph Representation Learning
von: Sun, Zhongtian, et al.
Veröffentlicht: (2025)

A Novel Spatiotemporal Coupling Graph Convolutional Network
von: Bi, Fanghui
Veröffentlicht: (2024)

Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
von: He, Mingguo, et al.
Veröffentlicht: (2022)

Molecular Graph Representation Learning via Structural Similarity Information
von: Yao, Chengyu, et al.
Veröffentlicht: (2024)

A Simplifying and Learnable Graph Convolutional Attention Network for Unsupervised Knowledge Graphs Alignment
von: Cai, Weishan, et al.
Veröffentlicht: (2024)

Formal Verification of Graph Convolutional Networks with Uncertain Node Features and Uncertain Graph Structure
von: Ladner, Tobias, et al.
Veröffentlicht: (2024)

Non-Euclidean Spatial Graph Neural Network
von: Zhang, Zheng, et al.
Veröffentlicht: (2023)

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

On the Equivalence of Graph Convolution and Mixup
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)