Buchumschlag

Graph Pseudotime Analysis and Neural Stochastic Differential Equations for Analyzing Retinal Degeneration Dynamics and Beyond

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Dai, Yan, Kuan, Lin, Lequan, Zeng, Yue, Zhang, Ting, Matsypura, Dmytro, Gillies, Mark C., Zhu, Ling, Gao, Junbin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Machine Learning-Based Prediction of Key Genes Correlated to the Subretinal Lesion Severity in a Mouse Model of Age-Related Macular Degeneration
von: Yan, Kuan, et al.
Veröffentlicht: (2024)

Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations
von: Shi, Dai, et al.
Veröffentlicht: (2026)

When Graph Neural Networks Meet Dynamic Mode Decomposition
von: Shi, Dai, et al.
Veröffentlicht: (2024)

Unleash Graph Neural Networks from Heavy Tuning
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

Diffusing to the Top: Boost Graph Neural Networks with Minimal Hyperparameter Tuning
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

Centrality of shortest paths: Algorithms and complexity results
von: Phosavanh, Johnson, et al.
Veröffentlicht: (2024)

Wiener Chaos Expansion based Neural Operator for Singular Stochastic Partial Differential Equations
von: Shi, Dai, et al.
Veröffentlicht: (2026)

Design Your Own Universe: A Physics-Informed Agnostic Method for Enhancing Graph Neural Networks
von: Shi, Dai, et al.
Veröffentlicht: (2024)

The Long Journey of Treatment for Wet Macular Degeneration, Is It Worth It?
von: Mark Gillies
Veröffentlicht: (2025)

SpecSTG: A Fast Spectral Diffusion Framework for Probabilistic Spatio-Temporal Traffic Forecasting
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

Learning Shortest Paths When Data is Scarce
von: Matsypura, Dmytro, et al.
Veröffentlicht: (2026)

S$^3$GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning
von: Shi, Dai, et al.
Veröffentlicht: (2026)

Quasi-Framelets: Robust Graph Neural Networks via Adaptive Framelet Convolution
von: Yang, Mengxi, et al.
Veröffentlicht: (2022)

Modeling Retinal Ganglion Cells with Neural Differential Equations
von: Dobek, Kacper, et al.
Veröffentlicht: (2025)

Stable Neural Stochastic Differential Equations in Analyzing Irregular Time Series Data
von: Oh, YongKyung, et al.
Veröffentlicht: (2024)

Graph Neural Networks on Graph Databases
von: Lopushanskyy, Dmytro, et al.
Veröffentlicht: (2024)

LOFT: Low-Rank Orthogonal Fine-Tuning via Task-Aware Support Selection
von: Zhao, Lanxin, et al.
Veröffentlicht: (2026)

Large Deviation Minimisers for Stochastic Partial Differential Equations with Degenerate Noise
von: Bernuzzi, Paolo, et al.
Veröffentlicht: (2024)

Outcomes After Switching to Faricimab in Neovascular Age‐Related Macular Degeneration: Data From the Fight Retinal Blindness! Registry
von: Adrian Hunt, et al.
Veröffentlicht: (2025)

ATOM: A Pretrained Neural Operator for Multitask Molecular Dynamics
von: Thompson, Luke, et al.
Veröffentlicht: (2025)

Macular Atrophy in the Better‐Seeing Eye of Australian Patients Treated for Neovascular Age‐Related Macular Degeneration
von: Yohei Hashimoto, et al.
Veröffentlicht: (2025)

Staging and Pseudotime Inference of Alzheimer's Disease Progression
von: Akira A Nair, et al.
Veröffentlicht: (2025)

Improving Robustness of Spectrogram Classifiers with Neural Stochastic Differential Equations
von: Brogan, Joel, et al.
Veröffentlicht: (2024)

Uncertainty Modeling in Graph Neural Networks via Stochastic Differential Equations
von: Bergna, Richard, et al.
Veröffentlicht: (2024)

Continuously Evolving Graph Neural Controlled Differential Equations for Traffic Forecasting
von: Wu, Jiajia, et al.
Veröffentlicht: (2024)

Embedded Variational Neural Stochastic Differential Equations for Learning Heterogeneous Dynamics
von: Samota, Sandeep Kumar, et al.
Veröffentlicht: (2026)

Generative Modeling of Neural Dynamics via Latent Stochastic Differential Equations
von: ElGazzar, Ahmed, et al.
Veröffentlicht: (2024)

Neural Structure Learning with Stochastic Differential Equations
von: Wang, Benjie, et al.
Veröffentlicht: (2023)

Neural Laplace for learning Stochastic Differential Equations
von: Carrel, Adrien
Veröffentlicht: (2024)

Learning Dynamic Graph Embeddings with Neural Controlled Differential Equations
von: Qin, Tiexin, et al.
Veröffentlicht: (2023)

Global Stock Market Volatility Forecasting Incorporating Dynamic Graphs and All Trading Days
von: Chi, Zhengyang, et al.
Veröffentlicht: (2024)

Graph ODEs and Beyond: A Comprehensive Survey on Integrating Differential Equations with Graph Neural Networks
von: Liu, Zewen, et al.
Veröffentlicht: (2025)

Application of Kalman Filter in Stochastic Differential Equations
von: Bao, Wencheng, et al.
Veröffentlicht: (2024)

Graph Neural Ordinary Differential Equations for Coarse-Grained Socioeconomic Dynamics
von: Koch, James, et al.
Veröffentlicht: (2024)

Variational Neural Stochastic Differential Equations with Change Points
von: El-Laham, Yousef, et al.
Veröffentlicht: (2024)

From Noise to Laws: Regularized Time-Series Forecasting via Denoised Dynamic Graphs
von: Ma, Hongwei, et al.
Veröffentlicht: (2025)

A Riemannian Approach to Ground Metric Learning for Optimal Transport
von: Jawanpuria, Pratik, et al.
Veröffentlicht: (2024)

Modeling Neural Networks with Privacy Using Neural Stochastic Differential Equations
von: Hong, Sanghyun, et al.
Veröffentlicht: (2025)

Encoded Forward Backward Stochastic Neural Network for High-Dimensional Backward Stochastic Differential Equations and Parabolic Partial Differential Equations
von: Zhang, Zhao, et al.
Veröffentlicht: (2026)

Dynamical Low-Rank Approximation for Stochastic Differential Equations
von: Kazashi, Yoshihito, et al.
Veröffentlicht: (2023)