:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Qin, Wang, Chengjia, Lones, Michael, Yuan, Yingfang, Pang, Wei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2411.08758
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scale-aware Message Passing For Graph Node Classification
von: Jiang, Qin, et al.
Veröffentlicht: (2024)

Demystifying MPNNs: Message Passing as Merely Efficient Matrix Multiplication
von: Jiang, Qin, et al.
Veröffentlicht: (2025)

Position: Spectral GNNs Are Neither Spectral Nor Superior for Node Classification
von: Jiang, Qin, et al.
Veröffentlicht: (2026)

How to avoid machine learning pitfalls: a guide for academic researchers
von: Lones, Michael A.
Veröffentlicht: (2021)

A Comparative Analysis of Transformer Models in Social Bot Detection
von: Veit, Rohan, et al.
Veröffentlicht: (2025)

ScaleNet: Scaling up Pretrained Neural Networks with Incremental Parameters
von: Hao, Zhiwei, et al.
Veröffentlicht: (2025)

Naturally Computed Scale Invariance in the Residual Stream of ResNet18
von: Longon, André
Veröffentlicht: (2025)

On the Invariance and Generality of Neural Scaling Laws
von: Han, Xing, et al.
Veröffentlicht: (2026)

Quantifying the Cross-sectoral Intersecting Discrepancies within Multiple Groups Using Latent Class Analysis Towards Fairness
von: Yuan, Yingfang, et al.
Veröffentlicht: (2024)

Exploring Public Attention in the Circular Economy through Topic Modelling with Twin Hyperparameter Optimisation
von: Song, Junhao, et al.
Veröffentlicht: (2024)

Model Metamers Reveal Invariances in Graph Neural Networks
von: Xu, Wei, et al.
Veröffentlicht: (2025)

Weighted Graph Clustering via Scale Contraction and Graph Structure Learning
von: Liu, Haobing, et al.
Veröffentlicht: (2026)

GraphNet: A Large-Scale Computational Graph Dataset for Tensor Compiler Research
von: Li, Xinqi, et al.
Veröffentlicht: (2025)

SLOPE: Optimistic Potential Landscape Shaping for Model-based Reinforcement Learning
von: Li, Yao-Hui, et al.
Veröffentlicht: (2026)

Continuous Invariance Learning
von: Lin, Yong, et al.
Veröffentlicht: (2023)

Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales
von: Qi, Shuren, et al.
Veröffentlicht: (2024)

IoTGeM: Generalizable Models for Behaviour-Based IoT Attack Detection
von: Kostas, Kahraman, et al.
Veröffentlicht: (2023)

Multi-Scale Protein Structure Modelling with Geometric Graph U-Nets
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Learning to Scale Logits for Temperature-Conditional GFlowNets
von: Kim, Minsu, et al.
Veröffentlicht: (2023)

Self-Supervised Learning for Pre-training Capsule Networks: Overcoming Medical Imaging Dataset Challenges
von: El-Shimy, Heba, et al.
Veröffentlicht: (2025)

ACA-Net: Future Graph Learning for Logistical Demand-Supply Forecasting
von: Shi, Jiacheng, et al.
Veröffentlicht: (2025)

Reassessing feature-based Android malware detection in a contemporary context
von: Muzaffar, Ali, et al.
Veröffentlicht: (2023)

Quantifying Distributional Invariance in Causal Subgraph for IRM-Free Graph Generalization
von: Qiu, Yang, et al.
Veröffentlicht: (2025)

GETS: Ensemble Temperature Scaling for Calibration in Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

On the Identifiability of Causal Graphs with the Invariance Principle
von: Montagna, Francesco
Veröffentlicht: (2025)

Distributed Graph Neural Network Inference With Just-In-Time Compilation For Industry-Scale Graphs
von: Wu, Xiabao, et al.
Veröffentlicht: (2025)

X-MeshGraphNet: Scalable Multi-Scale Graph Neural Networks for Physics Simulation
von: Nabian, Mohammad Amin, et al.
Veröffentlicht: (2024)

On Lexical Invariance on Multisets and Graphs
von: Zhang, Muhan
Veröffentlicht: (2024)

Graph Structure Learning for Spatial-Temporal Imputation: Adapting to Node and Feature Scales
von: Yang, Xinyu, et al.
Veröffentlicht: (2024)

Empowering Graph Invariance Learning with Deep Spurious Infomax
von: Yao, Tianjun, et al.
Veröffentlicht: (2024)

ATLAS: Agentic Test-time Learning-to-Allocate Scaling
von: Qin, Peijia, et al.
Veröffentlicht: (2026)

Bi-Directional Multi-Scale Graph Dataset Condensation via Information Bottleneck
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

Scaling ResNets in the Large-depth Regime
von: Marion, Pierre, et al.
Veröffentlicht: (2022)

Incorporating Attributes and Multi-Scale Structures for Heterogeneous Graph Contrastive Learning
von: Jiang, Ruobing, et al.
Veröffentlicht: (2025)

CR-Net: Scaling Parameter-Efficient Training with Cross-Layer Low-Rank Structure
von: Kong, Boao, et al.
Veröffentlicht: (2025)

Arithmetic-Mean $μ$P for Modern Architectures: A Unified Learning-Rate Scale for CNNs and ResNets
von: Zhang, Haosong, et al.
Veröffentlicht: (2025)

GraphSparseNet: a Novel Method for Large Scale Traffic Flow Prediction
von: Kong, Weiyang, et al.
Veröffentlicht: (2025)

Unifying Invariance and Spuriousity for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Hierarchical Multi-Relational Graph Representation Learning for Large-Scale Prediction of Drug-Drug Interactions
von: Jiang, Mengying, et al.
Veröffentlicht: (2024)

PassNet: Scaling Large Language Models for Graph Compiler Pass Generation
von: Liu, Yiqun, et al.
Veröffentlicht: (2026)