Buchumschlag

Mixture of Scope Experts at Test: Generalizing Deeper Graph Neural Networks with Shallow Variants

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Gangda, Zhou, Hongkuan, Kannan, Rajgopal, Prasanna, Viktor
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Ideal Temporal Graph Neural Networks: Evaluations and Conclusions after 10,000 GPU Hours
von: Yang, Yuxin, et al.
Veröffentlicht: (2024)

TASER: Temporal Adaptive Sampling for Fast and Accurate Dynamic Graph Representation Learning
von: Deng, Gangda, et al.
Veröffentlicht: (2024)

Training Diverse Graph Experts for Ensembles: A Systematic Empirical Study
von: Deng, Gangda, et al.
Veröffentlicht: (2025)

Conformal Prediction for Federated Graph Neural Networks with Missing Neighbor Information
von: Akgül, Ömer Faruk, et al.
Veröffentlicht: (2024)

Mixture of Thoughts: Learning to Aggregate What Experts Think, Not Just What They Say
von: Fein-Ashley, Jacob, et al.
Veröffentlicht: (2025)

Graph Neural Network Generalization with Gaussian Mixture Model Based Augmentation
von: Abbahaddou, Yassine, et al.
Veröffentlicht: (2024)

TypeBandit: Type-Level Context Allocation and Reweighting for Effective Attribute Completion in Heterogeneous Graph Neural Networks
von: Wang, Ta-Yang, et al.
Veröffentlicht: (2026)

Perfect Recovery for Random Geometric Graph Matching with Shallow Graph Neural Networks
von: Liu, Suqi, et al.
Veröffentlicht: (2024)

Mixture of Message Passing Experts with Routing Entropy Regularization for Node Classification
von: Chen, Xuanze, et al.
Veröffentlicht: (2025)

Heterophilous Distribution Propagation for Graph Neural Networks
von: Zheng, Zhuonan, et al.
Veröffentlicht: (2024)

Heuristic-Informed Mixture of Experts for Link Prediction in Multilayer Networks
von: La Cava, Lucio, et al.
Veröffentlicht: (2025)

GMoPE:A Prompt-Expert Mixture Framework for Graph Foundation Models
von: Wang, Zhibin, et al.
Veröffentlicht: (2025)

Revisiting the Message Passing in Heterophilous Graph Neural Networks
von: Zheng, Zhuonan, et al.
Veröffentlicht: (2024)

Incorporating Heterophily into Graph Neural Networks for Graph Classification
von: Yang, Jiayi, et al.
Veröffentlicht: (2022)

Forward Learning of Graph Neural Networks
von: Park, Namyong, et al.
Veröffentlicht: (2024)

Do LLM-derived graph priors improve multi-agent coordination?
von: Gupta, Nikunj, et al.
Veröffentlicht: (2026)

TESTAM: A Time-Enhanced Spatio-Temporal Attention Model with Mixture of Experts
von: Lee, Hyunwook, et al.
Veröffentlicht: (2024)

Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting
von: Zheng, Yufan, et al.
Veröffentlicht: (2024)

Towards Deeper Understanding of PPR-based Embedding Approaches: A Topological Perspective
von: Zhang, Xingyi, et al.
Veröffentlicht: (2024)

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

Heterogeneous Graph Neural Network on Semantic Tree
von: Guan, Mingyu, et al.
Veröffentlicht: (2024)

Graph Neural Networks with Diverse Spectral Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2023)

Feature Selection and Extraction for Graph Neural Networks
von: Acharya, Deepak Bhaskar, et al.
Veröffentlicht: (2019)

A Unified Graph Selective Prompt Learning for Graph Neural Networks
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

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

Neural Graph Generator: Feature-Conditioned Graph Generation using Latent Diffusion Models
von: Evdaimon, Iakovos, et al.
Veröffentlicht: (2024)

NoisyGL: A Comprehensive Benchmark for Graph Neural Networks under Label Noise
von: Wang, Zhonghao, et al.
Veröffentlicht: (2024)

Flexible Diffusion Scopes with Parameterized Laplacian for Heterophilic Graph Learning
von: Lu, Qincheng, et al.
Veröffentlicht: (2024)

GraphMU: Repairing Robustness of Graph Neural Networks via Machine Unlearning
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Manufacturing Service Capability Prediction with Graph Neural Networks
von: Li, Yunqing, et al.
Veröffentlicht: (2024)

Conditional Local Feature Encoding for Graph Neural Networks
von: Wang, Yongze, et al.
Veröffentlicht: (2024)

Demystifying Oversmoothing in Attention-Based Graph Neural Networks
von: Wu, Xinyi, et al.
Veröffentlicht: (2023)

The Expressive Power of Graph Neural Networks: A Survey
von: Zhang, Bingxu, et al.
Veröffentlicht: (2023)

Dynamic Graph with Similarity-Aware Attention Graph Neural Network for Recommender Systems
von: Senapati, Aadarsh, et al.
Veröffentlicht: (2026)

Link Prediction with Physics-Inspired Graph Neural Networks
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2024)

Using Time-Aware Graph Neural Networks to Predict Temporal Centralities in Dynamic Graphs
von: Heeg, Franziska, et al.
Veröffentlicht: (2023)

Graph Neural Networks can Recover the Hidden Features Solely from the Graph Structure
von: Sato, Ryoma
Veröffentlicht: (2023)

Interactive Event Sifting using Bayesian Graph Neural Networks
von: Nascimento, José, et al.
Veröffentlicht: (2024)

GRAPHGINI: Fostering Individual and Group Fairness in Graph Neural Networks
von: Sirohi, Anuj Kumar, et al.
Veröffentlicht: (2024)

A Graph Neural Network deep-dive into successful counterattacks
von: Bekkers, Joris, et al.
Veröffentlicht: (2024)