Buchumschlag

Mind the truncation gap: challenges of learning on dynamic graphs with recurrent architectures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bravo, João, Bono, Jacopo, Saleiro, Pedro, Ferreira, Hugo, Bizarro, Pedro
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

From random-walks to graph-sprints: a low-latency node embedding framework on continuous-time dynamic graphs
von: Eddin, Ahmad Naser, et al.
Veröffentlicht: (2023)

DiConStruct: Causal Concept-based Explanations through Black-Box Distillation
von: Moreira, Ricardo, et al.
Veröffentlicht: (2024)

Evaluating Transfer Learning Methods on Real-World Data Streams: A Case Study in Financial Fraud Detection
von: Pereira, Ricardo Ribeiro, et al.
Veröffentlicht: (2025)

Deep-Graph-Sprints: Accelerated Representation Learning in Continuous-Time Dynamic Graphs
von: Eddin, Ahmad Naser, et al.
Veröffentlicht: (2024)

Fair-OBNC: Correcting Label Noise for Fairer Datasets
von: Silva, Inês Oliveira e, et al.
Veröffentlicht: (2024)

RIFF: Inducing Rules for Fraud Detection from Decision Trees
von: Martins, João Lucas, et al.
Veröffentlicht: (2024)

Aequitas Flow: Streamlining Fair ML Experimentation
von: Jesus, Sérgio, et al.
Veröffentlicht: (2024)

Cost-Sensitive Learning to Defer to Multiple Experts with Workload Constraints
von: Alves, Jean V., et al.
Veröffentlicht: (2024)

MUSE: Multi-Tenant Model Serving With Seamless Model Updates
von: Correia, Cláudio, et al.
Veröffentlicht: (2026)

Benchmark It Yourself (BIY): Preparing a Dataset and Benchmarking AI Models for Scatterplot-Related Tasks
von: Palmeiro, João, et al.
Veröffentlicht: (2025)

Rethinking XAI Evaluation: A Human-Centered Audit of Shapley Benchmarks in High-Stakes Settings
von: Silva, Inês Oliveira e, et al.
Veröffentlicht: (2026)

Deep learning architectures for data-driven damage detection in nonlinear dynamic systems
von: Joseph, Harrish, et al.
Veröffentlicht: (2024)

Enhanced Transformer architecture for in-context learning of dynamical systems
von: Rufolo, Matteo, et al.
Veröffentlicht: (2024)

NRGBoost: Energy-Based Generative Boosted Trees
von: Bravo, João
Veröffentlicht: (2024)

Quaternion recurrent neural network with real-time recurrent learning and maximum correntropy criterion
von: Bourigault, Pauline, et al.
Veröffentlicht: (2024)

Applications of temporal graph learning for predicting the dynamics of biological systems
von: Dileo, Manuel, et al.
Veröffentlicht: (2026)

"Show Me What's Wrong!": Combining Charts and Text to Guide Data Analysis
von: Feliciano, Beatriz, et al.
Veröffentlicht: (2024)

Machine learning approach to detect dynamical states from recurrence measures
von: Thakur, Dheeraja, et al.
Veröffentlicht: (2024)

Just read twice: closing the recall gap for recurrent language models
von: Arora, Simran, et al.
Veröffentlicht: (2024)

Temporal receptive field in dynamic graph learning: A comprehensive analysis
von: Karmim, Yannis, et al.
Veröffentlicht: (2024)

Entropic Risk-Aware Monte Carlo Tree Search
von: Santos, Pedro P., et al.
Veröffentlicht: (2026)

Deep learning for dynamic graphs: models and benchmarks
von: Gravina, Alessio, et al.
Veröffentlicht: (2023)

Task agnostic continual learning with Pairwise layer architecture
von: Keskinen, Santtu
Veröffentlicht: (2024)

Outlier detection in maritime environments using AIS data and deep recurrent architectures
von: Maganaris, Constantine, et al.
Veröffentlicht: (2024)

Reinforcement learning-based architecture search for quantum machine learning
von: Rapp, Frederic, et al.
Veröffentlicht: (2024)

Universal and efficient graph neural networks with dynamic attention for machine learning interatomic potentials
von: Bi, Shuyu, et al.
Veröffentlicht: (2026)

Multi-label feature selection based on binary hashing learning and dynamic graph constraints
von: Guo, Cong, et al.
Veröffentlicht: (2025)

Global optimization of graph acquisition functions for neural architecture search
von: Xie, Yilin, et al.
Veröffentlicht: (2025)

Multi-fidelity graph-based neural networks architectures to learn Navier-Stokes solutions on non-parametrized 2D domains
von: Songia, Francesco, et al.
Veröffentlicht: (2026)

Dealing with uncertainty: balancing exploration and exploitation in deep recurrent reinforcement learning
von: Zangirolami, Valentina, et al.
Veröffentlicht: (2023)

Symmetric Hermite quadrature-based balanced truncation for learning linear dynamical systems from derivative data
von: Reiter, Sean, et al.
Veröffentlicht: (2026)

A review of feature selection strategies utilizing graph data structures and knowledge graphs
von: Shao, Sisi, et al.
Veröffentlicht: (2024)

Statistical-computational gap in multiple Gaussian graph alignment
von: Even, Bertrand, et al.
Veröffentlicht: (2025)

ToMCAT: Theory-of-Mind for Cooperative Agents in Teams via Multiagent Diffusion Policies
von: Sequeira, Pedro, et al.
Veröffentlicht: (2025)

Transferring disentangled representations: bridging the gap between synthetic and real images
von: Dapueto, Jacopo, et al.
Veröffentlicht: (2024)

Targeted learning of heterogeneous treatment effect curves for right censored or left truncated time-to-event data
von: Pryce, Matthew, et al.
Veröffentlicht: (2026)

On statistical learning of graphs
von: Cipriani, Vittorio, et al.
Veröffentlicht: (2025)

Deep Learning Calabi-Yau four folds with hybrid and recurrent neural network architectures
von: Dao, H. L.
Veröffentlicht: (2024)

Thermodynamics-informed graph neural networks for real-time simulation of digital human twins
von: Tesán, Lucas, et al.
Veröffentlicht: (2024)

Correlation recurrent units: A novel neural architecture for improving the predictive performance of time-series data
von: Sim, Sunghyun, et al.
Veröffentlicht: (2022)