Buchumschlag

CurvGAD: Leveraging Curvature for Enhanced Graph Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grover, Karish, Gordon, Geoffrey J., Faloutsos, Christos
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Text Has Curvature
von: Grover, Karish, et al.
Veröffentlicht: (2026)

Spectro-Riemannian Graph Neural Networks
von: Grover, Karish, et al.
Veröffentlicht: (2025)

NeiGAD: Augmenting Graph Anomaly Detection via Spectral Neighbor Information
von: Qing, Qing, et al.
Veröffentlicht: (2026)

GAD in the Wild: Benchmarking Graph Anomaly Detection under Realistic Deployment Challenges
von: Zhou, Jingjing, et al.
Veröffentlicht: (2026)

FreeGAD: A Training-Free yet Effective Approach for Graph Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2025)

AC2L-GAD: Active Counterfactual Contrastive Learning for Graph Anomaly Detection
von: Berahmand, Kamal, et al.
Veröffentlicht: (2026)

Feedback Control for Multi-Objective Graph Self-Supervision
von: Grover, Karish, et al.
Veröffentlicht: (2026)

MetaGAD: Meta Representation Adaptation for Few-Shot Graph Anomaly Detection
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2023)

DiffGAD: A Diffusion-based Unsupervised Graph Anomaly Detector
von: Li, Jinghan, et al.
Veröffentlicht: (2024)

GAD: A Real-time Gait Anomaly Detection System with Online Adaptive Learning
von: Lee, Ming-Chang, et al.
Veröffentlicht: (2024)

Graph Enhanced Trajectory Anomaly Detection
von: Mbuya, Jonathan Kabala, et al.
Veröffentlicht: (2025)

Enhancing Fairness in Autoencoders for Node-Level Graph Anomaly Detection
von: Wang, Shouju, et al.
Veröffentlicht: (2025)

Enhancing Foundation Models for Time Series Forecasting via Wavelet-based Tokenization
von: Masserano, Luca, et al.
Veröffentlicht: (2024)

A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Graph Evidential Learning for Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2025)

Leveraging Intermediate Representations of Time Series Foundation Models for Anomaly Detection
von: Han, Chan Sik, et al.
Veröffentlicht: (2025)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Label-based Graph Augmentation with Metapath for Graph Anomaly Detection
von: Kim, Hwan, et al.
Veröffentlicht: (2023)

Drift-Aware Variational Autoencoder-based Anomaly Detection with Two-level Ensembling
von: Li, Jin, et al.
Veröffentlicht: (2026)

NK-GAD: Neighbor Knowledge-Enhanced Unsupervised Graph Anomaly Detection
von: Wang, Zehao, et al.
Veröffentlicht: (2026)

AnomalyGFM: Graph Foundation Model for Zero/Few-shot Anomaly Detection
von: Qiao, Hezhe, et al.
Veröffentlicht: (2025)

Multivariate Time-Series Anomaly Detection based on Enhancing Graph Attention Networks with Topological Analysis
von: Liu, Zhe, et al.
Veröffentlicht: (2024)

Deep Learning for Time Series Anomaly Detection: A Survey
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2022)

Leveraging GPT-4o Efficiency for Detecting Rework Anomaly in Business Processes
von: Derakhshan, Mohammad, et al.
Veröffentlicht: (2025)

ChronosAD: Leveraging Time Series Foundation Models for Accurate Anomaly Detection
von: Khan, Uzair, et al.
Veröffentlicht: (2026)

Rayleigh Quotient Graph Neural Networks for Graph-level Anomaly Detection
von: Dong, Xiangyu, et al.
Veröffentlicht: (2023)

Geometry-Aware Backdoor Attacks: Leveraging Curvature in Hyperbolic Embeddings
von: Baheri, Ali
Veröffentlicht: (2025)

Multi-Head Spectral-Adaptive Graph Anomaly Detection
von: Cao, Qingyue, et al.
Veröffentlicht: (2025)

EAGLE: Contrastive Learning for Efficient Graph Anomaly Detection
von: Ren, Jing, et al.
Veröffentlicht: (2025)

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

Anomaly Detection in Dynamic Graphs: A Comprehensive Survey
von: Ekle, Ocheme Anthony, et al.
Veröffentlicht: (2024)

A Generalizable Anomaly Detection Method in Dynamic Graphs
von: Yang, Xiao, et al.
Veröffentlicht: (2024)

Enhancing Anomaly Detection via Generating Diversified and Hard-to-distinguish Synthetic Anomalies
von: Kim, Hyuntae, et al.
Veröffentlicht: (2024)

Unsupervised Graph Anomaly Detection via Multi-Hypersphere Heterophilic Graph Learning
von: Ni, Hang, et al.
Veröffentlicht: (2025)

Understanding Transformers for Time Series: Rank Structure, Flow-of-ranks, and Compressibility
von: Yu, Annan, et al.
Veröffentlicht: (2025)

Hyperbolic Graph Embeddings: a Survey and an Evaluation on Anomaly Detection
von: Sadat, Souhail Abdelmouaiz, et al.
Veröffentlicht: (2025)

Deep Graph Anomaly Detection: A Survey and New Perspectives
von: Qiao, Hezhe, et al.
Veröffentlicht: (2024)

DDGAD: Trajectory Dynamics for Diffusion-Based Graph Anomaly Detection
von: Yang, Yuxin, et al.
Veröffentlicht: (2026)

Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality
von: Liu, Jie, et al.
Veröffentlicht: (2024)

A Methodological Report on Anomaly Detection on Dynamic Knowledge Graphs
von: Lu, Xiaohua, et al.
Veröffentlicht: (2024)