Buchumschlag

Optimizing Federated Graph Learning with Inherent Structural Knowledge and Dual-Densely Connected GNNs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Longwen, Liu, Jianchun, Liu, Zhi, Huang, Jinyang
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

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

Partial Knowledge Distillation for Alleviating the Inherent Inter-Class Discrepancy in Federated Learning
von: Gan, Xiaoyu, et al.
Veröffentlicht: (2024)

GLISP: A Scalable GNN Learning System by Exploiting Inherent Structural Properties of Graphs
von: Zhu, Zhongshu, et al.
Veröffentlicht: (2024)

Graph Learning at Scale: Characterizing and Optimizing Pre-Propagation GNNs
von: Yue, Zichao, et al.
Veröffentlicht: (2025)

From Features to Structure: Task-Aware Graph Construction for Relational and Tabular Learning with GNNs
von: Cucumides, Tamara, et al.
Veröffentlicht: (2025)

Beyond Physical Labels: Redefining Domains for Robust WiFi-based Gesture Recognition
von: Zhang, Xiang, et al.
Veröffentlicht: (2026)

CoNNect: Connectivity-Based Regularization for Structural Pruning
von: Franssen, Christian, et al.
Veröffentlicht: (2025)

GraphBridge: Towards Arbitrary Transfer Learning in GNNs
von: Ju, Li, et al.
Veröffentlicht: (2025)

On the Scalability of GNNs for Molecular Graphs
von: Sypetkowski, Maciej, et al.
Veröffentlicht: (2024)

Structure-Guided Input Graph for GNNs facing Heterophily
von: Tenorio, Victor M., et al.
Veröffentlicht: (2024)

ExpertWeaver: Unlocking the Inherent MoE in Dense LLMs with GLU Activation Patterns
von: Zhao, Ziyu, et al.
Veröffentlicht: (2026)

Adaptive Initial Residual Connections for GNNs with Theoretical Guarantees
von: Shirzadi, Mohammad, et al.
Veröffentlicht: (2025)

Beyond Binary: Turning Partial Success into Dense Verifiable Rewards for Reinforcement Learning in Code Generation
von: Wang, Longwen, et al.
Veröffentlicht: (2026)

Universally Invariant Learning in Equivariant GNNs
von: Cen, Jiacheng, et al.
Veröffentlicht: (2025)

Prototype-Guided and Lightweight Adapters for Inherent Interpretation and Generalisation in Federated Learning
von: Mensah, Samuel Ofosu, et al.
Veröffentlicht: (2025)

Inductive Knowledge Graph Completion with GNNs and Rules: An Analysis
von: Anil, Akash, et al.
Veröffentlicht: (2023)

Caesar: A Low-deviation Compression Approach for Efficient Federated Learning
von: Yan, Jiaming, et al.
Veröffentlicht: (2024)

Learning the Structure of Connection Graphs
von: Di Nino, Leonardo, et al.
Veröffentlicht: (2025)

Densely Distilling Cumulative Knowledge for Continual Learning
von: Shi, Zenglin, et al.
Veröffentlicht: (2024)

Federated Graph Semantic and Structural Learning
von: Huang, Wenke, et al.
Veröffentlicht: (2024)

From GNNs to Trees: Multi-Granular Interpretability for Graph Neural Networks
von: Yang, Jie, et al.
Veröffentlicht: (2025)

Locality-Aware Graph-Rewiring in GNNs
von: Barbero, Federico, et al.
Veröffentlicht: (2023)

Residual Connections and Normalization Can Provably Prevent Oversmoothing in GNNs
von: Scholkemper, Michael, et al.
Veröffentlicht: (2024)

Edge-free but Structure-aware: Prototype-Guided Knowledge Distillation from GNNs to MLPs
von: Wu, Taiqiang, et al.
Veröffentlicht: (2023)

Rethinking the Expressive Power of GNNs via Graph Biconnectivity
von: Zhang, Bohang, et al.
Veröffentlicht: (2023)

Efficient Graph Knowledge Distillation from GNNs to Kolmogorov--Arnold Networks via Self-Attention Dynamic Sampling
von: Cui, Can, et al.
Veröffentlicht: (2025)

A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

Task-Oriented GNNs Training on Large Knowledge Graphs for Accurate and Efficient Modeling
von: Abdallah, Hussein, et al.
Veröffentlicht: (2024)

Federated Knowledge Graph Unlearning via Diffusion Model
von: Liu, Bingchen, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Knowledge Sharing for Graph Federated Learning
von: Yu, Wentao, et al.
Veröffentlicht: (2026)

Chordless Structure: A Pathway to Simple and Expressive GNNs
von: Pan, Hongxu, et al.
Veröffentlicht: (2025)

The Heterophilic Snowflake Hypothesis: Training and Empowering GNNs for Heterophilic Graphs
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Mitigating Catastrophic Forgetting with Adaptive Transformer Block Expansion in Federated Fine-Tuning
von: Huo, Yujia, et al.
Veröffentlicht: (2025)

Transformer Is Inherently a Causal Learner
von: Wang, Xinyue, et al.
Veröffentlicht: (2026)

A Robust Federated Learning Framework for Undependable Devices at Scale
von: Wang, Shilong, et al.
Veröffentlicht: (2024)

GraphEdge: Dynamic Graph Partition and Task Scheduling for GNNs Computing in Edge Network
von: Xiao, Wenjing, et al.
Veröffentlicht: (2025)

FedSSP: Federated Graph Learning with Spectral Knowledge and Personalized Preference
von: Tan, Zihan, et al.
Veröffentlicht: (2024)

Subgraphormer: Unifying Subgraph GNNs and Graph Transformers via Graph Products
von: Bar-Shalom, Guy, et al.
Veröffentlicht: (2024)

Graph Classification with GNNs: Optimisation, Representation and Inductive Bias
von: a, P. Krishna Kumar, et al.
Veröffentlicht: (2024)

Chaining 2-FWL GNNs for Combinatorial Graph Alignment
von: Lelarge, Marc
Veröffentlicht: (2025)