Buchumschlag

Score-based Conditional Out-of-Distribution Augmentation for Graph Covariate Shift

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Bohan, Chang, Yurui, Jin, Wei, Lin, Lu
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

Graph Data Augmentation with Contrastive Learning on Covariate Distribution Shift
von: Zeng, Fanlong, et al.
Veröffentlicht: (2025)

Bridging Multicalibration and Out-of-distribution Generalization Beyond Covariate Shift
von: Wu, Jiayun, et al.
Veröffentlicht: (2024)

Can Your Generative Model Detect Out-of-Distribution Covariate Shift?
von: Viviers, Christiaan, et al.
Veröffentlicht: (2024)

MemCollab: Cross-Model Memory Collaboration via Contrastive Trajectory Distillation
von: Chang, Yurui, et al.
Veröffentlicht: (2026)

Generalizing Graph Neural Networks on Out-Of-Distribution Graphs
von: Fan, Shaohua, et al.
Veröffentlicht: (2021)

Investigating Out-of-Distribution Generalization of GNNs: An Architecture Perspective
von: Guo, Kai, et al.
Veröffentlicht: (2024)

GOODAT: Towards Test-time Graph Out-of-Distribution Detection
von: Wang, Luzhi, et al.
Veröffentlicht: (2024)

Graphs Generalization under Distribution Shifts
von: Tian, Qin, et al.
Veröffentlicht: (2024)

DIVE: Subgraph Disagreement for Graph Out-of-Distribution Generalization
von: Sun, Xin, et al.
Veröffentlicht: (2024)

Towards Collaborative Fairness in Federated Learning Under Imbalanced Covariate Shift
von: Yu, Tianrun, et al.
Veröffentlicht: (2025)

Enhancing Distribution and Label Consistency for Graph Out-of-Distribution Generalization
von: Wang, Song, et al.
Veröffentlicht: (2025)

Decoupled Graph Energy-based Model for Node Out-of-Distribution Detection on Heterophilic Graphs
von: Chen, Yuhan, et al.
Veröffentlicht: (2025)

Adaptive Scoring and Thresholding with Human Feedback for Robust Out-of-Distribution Detection
von: Yamada, Daisuke, et al.
Veröffentlicht: (2025)

Generative Risk Minimization for Out-of-Distribution Generalization on Graphs
von: Wang, Song, et al.
Veröffentlicht: (2025)

Sparsity and Out-of-Distribution Generalization
von: Aaronson, Scott, et al.
Veröffentlicht: (2026)

Leveraging Invariant Principle for Heterophilic Graph Structure Distribution Shifts
von: Yang, Jinluan, et al.
Veröffentlicht: (2024)

Score-based Generative Modeling for Conditional Independence Testing
von: Ren, Yixin, et al.
Veröffentlicht: (2025)

Multi-Layer Confidence Scoring for Detection of Out-of-Distribution Samples, Adversarial Attacks, and In-Distribution Misclassifications
von: Capelli, Lorenzo, et al.
Veröffentlicht: (2025)

Deceptive Risk Minimization: Out-of-Distribution Generalization by Deceiving Distribution Shift Detectors
von: Majumdar, Anirudha
Veröffentlicht: (2025)

Alleviating Structural Distribution Shift in Graph Anomaly Detection
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Combine and Conquer: A Meta-Analysis on Data Shift and Out-of-Distribution Detection
von: Dadalto, Eduardo, et al.
Veröffentlicht: (2024)

Conditional Distribution Learning for Graph Classification
von: Chen, Jie, et al.
Veröffentlicht: (2024)

SGOOD: Substructure-enhanced Graph-Level Out-of-Distribution Detection
von: Ding, Zhihao, et al.
Veröffentlicht: (2023)

Globally Interpretable Graph Learning via Distribution Matching
von: Nian, Yi, et al.
Veröffentlicht: (2023)

Handling Distribution Shifts on Graphs: An Invariance Perspective
von: Wu, Qitian, et al.
Veröffentlicht: (2022)

HGOE: Hybrid External and Internal Graph Outlier Exposure for Graph Out-of-Distribution Detection
von: He, Junwei, et al.
Veröffentlicht: (2024)

Bounded and Uniform Energy-based Out-of-distribution Detection for Graphs
von: Yang, Shenzhi, et al.
Veröffentlicht: (2025)

Adaptive Individual Uncertainty under Out-Of-Distribution Shift with Expert-Routed Conformal Prediction
von: Badkul, Amitesh, et al.
Veröffentlicht: (2025)

Distributionally Robust Graph Out-of-Distribution Recommendation via Diffusion Model
von: Zhao, Chu, et al.
Veröffentlicht: (2025)

Invariant Graph Learning Meets Information Bottleneck for Out-of-Distribution Generalization
von: Mao, Wenyu, et al.
Veröffentlicht: (2024)

Few-Shot Causal Representation Learning for Out-of-Distribution Generalization on Heterogeneous Graphs
von: Ding, Pengfei, et al.
Veröffentlicht: (2024)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

Causal-aware Graph Neural Architecture Search under Distribution Shifts
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

Latent Conditional Diffusion-based Data Augmentation for Continuous-Time Dynamic Graph Model
von: Tian, Yuxing, et al.
Veröffentlicht: (2024)

Learning Multi-Manifold Embedding for Out-Of-Distribution Detection
von: Li, Jeng-Lin, et al.
Veröffentlicht: (2024)

VAGPO: Vision-augmented Asymmetric Group Preference Optimization for Graph Routing Problems
von: Liu, Shiyan, et al.
Veröffentlicht: (2025)

Disentangled Interest Network for Out-of-Distribution CTR Prediction
von: Zheng, Yu, et al.
Veröffentlicht: (2025)

Conditional Shift-Robust Conformal Prediction for Graph Neural Network
von: Akansha, S.
Veröffentlicht: (2024)

Graph Fairness Learning under Distribution Shifts
von: Li, Yibo, et al.
Veröffentlicht: (2024)

Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
von: Jian, Xiangru, et al.
Veröffentlicht: (2024)