Buchumschlag

GraphMoRE: Mitigating Topological Heterogeneity via Mixture of Riemannian Experts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Zihao, Sun, Qingyun, Yuan, Haonan, Fu, Xingcheng, Zhou, Min, Gao, Yisen, Li, Jianxin
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

Zero-shot Generalizable Graph Anomaly Detection with Mixture of Riemannian Experts
von: Zhao, Xinyu, et al.
Veröffentlicht: (2026)

Toward a Unified Geometry Understanding: Riemannian Diffusion Framework for Graph Generation and Prediction
von: Gao, Yisen, et al.
Veröffentlicht: (2025)

GraphKeeper: Graph Domain-Incremental Learning via Knowledge Disentanglement and Preservation
von: Guo, Zihao, et al.
Veröffentlicht: (2025)

RAG-GFM: Overcoming In-Memory Bottlenecks in Graph Foundation Models via Retrieval-Augmented Generation
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

Robust Graph Learning Against Adversarial Evasion Attacks via Prior-Free Diffusion-Based Structure Purification
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Dynamic Graph Information Bottleneck
von: Yuan, Haonan, et al.
Veröffentlicht: (2024)

Robust Graph Condensation via Classification Complexity Mitigation
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Decoupled and Divergence-Conditioned Prompt for Multi-domain Dynamic Graph Foundation Models
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

Discrete Curvature Graph Information Bottleneck
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

Privacy Auditing of Multi-domain Graph Pre-trained Model under Membership Inference Attacks
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Is the Information Bottleneck Robust Enough? Towards Label-Noise Resistant Information Bottleneck Learning
von: Huang, Yi, et al.
Veröffentlicht: (2025)

Controllable Logical Hypothesis Generation for Abductive Reasoning in Knowledge Graphs
von: Gao, Yisen, et al.
Veröffentlicht: (2025)

Unifying Deductive and Abductive Reasoning in Knowledge Graphs with Masked Diffusion Model
von: Gao, Yisen, et al.
Veröffentlicht: (2025)

Towards Effective, Stealthy, and Persistent Backdoor Attacks Targeting Graph Foundation Models
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Towards LLM-Empowered Knowledge Tracing via LLM-Student Hierarchical Behavior Alignment in Hyperbolic Space
von: Fu, Xingcheng, et al.
Veröffentlicht: (2026)

Hyperbolic Geometric Latent Diffusion Model for Graph Generation
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

SA$^{2}$GFM: Enhancing Robust Graph Foundation Models with Structure-Aware Semantic Augmentation
von: Shi, Junhua, et al.
Veröffentlicht: (2025)

IGL-Bench: Establishing the Comprehensive Benchmark for Imbalanced Graph Learning
von: Qin, Jiawen, et al.
Veröffentlicht: (2024)

GRAVER: Generative Graph Vocabularies for Robust Graph Foundation Models Fine-tuning
von: Yuan, Haonan, et al.
Veröffentlicht: (2025)

Evolving Graph Learning for Out-of-Distribution Generalization in Non-stationary Environments
von: Sun, Qingyun, et al.
Veröffentlicht: (2025)

Retrieving Minimal and Sufficient Reasoning Subgraphs with Graph Foundation Models for Path-aware GraphRAG
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

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

AdaMoE: Token-Adaptive Routing with Null Experts for Mixture-of-Experts Language Models
von: Zeng, Zihao, et al.
Veröffentlicht: (2024)

Is Fixing Schema Graphs Necessary? Full-Resolution Graph Structure Learning for Relational Deep Learning
von: Huang, Yi, et al.
Veröffentlicht: (2026)

DyG-RAG: Dynamic Graph Retrieval-Augmented Generation with Event-Centric Reasoning
von: Sun, Qingyun, et al.
Veröffentlicht: (2025)

MoSE: Unveiling Structural Patterns in Graphs via Mixture of Subgraph Experts
von: Ye, Junda, et al.
Veröffentlicht: (2025)

TrafficMoE: Heterogeneity-aware Mixture of Experts for Encrypted Traffic Classification
von: He, Qing, et al.
Veröffentlicht: (2026)

Galaxy Walker: Geometry-aware VLMs For Galaxy-scale Understanding
von: Chen, Tianyu, et al.
Veröffentlicht: (2025)

DG-Mamba: Robust and Efficient Dynamic Graph Structure Learning with Selective State Space Models
von: Yuan, Haonan, et al.
Veröffentlicht: (2024)

SDA-PLANNER: State-Dependency Aware Adaptive Planner for Embodied Task Planning
von: Shen, Zichao, et al.
Veröffentlicht: (2025)

Leveraging Personalized PageRank and Higher-Order Topological Structures for Heterophily Mitigation in Graph Neural Networks
von: Wang, Yumeng, et al.
Veröffentlicht: (2025)

OrdMoE: Preference Alignment via Hierarchical Expert Group Ranking in Multimodal Mixture-of-Experts LLMs
von: Gao, Yuting, et al.
Veröffentlicht: (2025)

HyperMoE: Towards Better Mixture of Experts via Transferring Among Experts
von: Zhao, Hao, et al.
Veröffentlicht: (2024)

Mixture of Robust Experts (MoRE):A Robust Denoising Method towards multiple perturbations
von: Cheng, Hao, et al.
Veröffentlicht: (2021)

Aggregation Alignment for Federated Learning with Mixture-of-Experts under Data Heterogeneity
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

Expert Race: A Flexible Routing Strategy for Scaling Diffusion Transformer with Mixture of Experts
von: Yuan, Yike, et al.
Veröffentlicht: (2025)

MoESD: Mixture of Experts Stable Diffusion to Mitigate Gender Bias
von: Wang, Guorun, et al.
Veröffentlicht: (2024)

MoE++: Accelerating Mixture-of-Experts Methods with Zero-Computation Experts
von: Jin, Peng, et al.
Veröffentlicht: (2024)

SDG-MoE: Signed Debate Graph Mixture-of-Experts
von: Kulibaba, Stepan, et al.
Veröffentlicht: (2026)

Graph Size-imbalanced Learning with Energy-guided Structural Smoothing
von: Qin, Jiawen, et al.
Veröffentlicht: (2024)