Buchumschlag

PTCL: Pseudo-Label Temporal Curriculum Learning for Label-Limited Dynamic Graph

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Shengtao, Zhang, Haokai, Lou, Shiqi, Wang, Zicheng, Zeng, Zinan, Wang, Yilin, Luo, Minnan
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

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

When Noisy Labels Meet Class Imbalance on Graphs: A Graph Augmentation Method with LLM and Pseudo Label
von: Xia, Riting, et al.
Veröffentlicht: (2025)

CroSel: Cross Selection of Confident Pseudo Labels for Partial-Label Learning
von: Tian, Shiyu, et al.
Veröffentlicht: (2023)

Less is More: Pseudo-Label Filtering for Continual Test-Time Adaptation
von: Tan, Jiayao, et al.
Veröffentlicht: (2024)

Resurrecting Label Propagation for Graphs with Heterophily and Label Noise
von: Cheng, Yao, et al.
Veröffentlicht: (2023)

Conflict-Aware Pseudo Labeling via Optimal Transport for Entity Alignment
von: Ding, Qijie, et al.
Veröffentlicht: (2022)

Learning under Temporal Label Noise
von: Nagaraj, Sujay, et al.
Veröffentlicht: (2024)

MemReward: Graph-Based Experience Memory for LLM Reward Prediction with Limited Labels
von: Luo, Tianyang, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Graph Coloring: Understanding the Power and Limits of Non-Label Invariant Representations
von: Cummins, Chase, et al.
Veröffentlicht: (2024)

MMoE: Robust Spoiler Detection with Multi-modal Information and Domain-aware Mixture-of-Experts
von: Zeng, Zinan, et al.
Veröffentlicht: (2024)

On the Learning Dynamics of Two-layer Linear Networks with Label Noise SGD
von: Zhang, Tongcheng, et al.
Veröffentlicht: (2026)

A Confidence-Variance Theory for Pseudo-Label Selection in Semi-Supervised Learning
von: Liu, Jinshi, et al.
Veröffentlicht: (2026)

TSK Fuzzy System Towards Few Labeled Incomplete Multi-View Data Classification
von: Zhang, Wei, et al.
Veröffentlicht: (2021)

Federated Learning with Limited Node Labels
von: Tang, Bisheng, et al.
Veröffentlicht: (2024)

Reliable OOD Virtual Screening with Extrapolatory Pseudo-Label Matching
von: Qu, Yunni, et al.
Veröffentlicht: (2024)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

Revisiting Meta-Learning with Noisy Labels: Reweighting Dynamics and Theoretical Guarantees
von: Zhang, Yiming, et al.
Veröffentlicht: (2025)

Tackling the Local Bias in Federated Graph Learning
von: Zhang, Binchi, et al.
Veröffentlicht: (2021)

Label Distribution Learning from Logical Label
von: Jia, Yuheng, et al.
Veröffentlicht: (2023)

Enhancing Graph Neural Networks with Limited Labeled Data by Actively Distilling Knowledge from Large Language Models
von: Li, Quan, et al.
Veröffentlicht: (2024)

Semi Supervised Heterogeneous Domain Adaptation via Disentanglement and Pseudo-Labelling
von: Dantas, Cassio F., et al.
Veröffentlicht: (2024)

Label Deconvolution for Node Representation Learning on Large-scale Attributed Graphs against Learning Bias
von: Shi, Zhihao, et al.
Veröffentlicht: (2023)

Collaborative Graph Walk for Semi-supervised Multi-Label Node Classification
von: Akujuobi, Uchenna, et al.
Veröffentlicht: (2019)

Combating Confirmation Bias: A Unified Pseudo-Labeling Framework for Entity Alignment
von: Ding, Qijie, et al.
Veröffentlicht: (2023)

Handling Label Noise via Instance-Level Difficulty Modeling and Dynamic Optimization
von: Zhang, Kuan, et al.
Veröffentlicht: (2025)

Dynamical Label Augmentation and Calibration for Noisy Electronic Health Records
von: Li, Yuhao, et al.
Veröffentlicht: (2025)

CRMSP: A Semi-supervised Approach for Key Information Extraction with Class-Rebalancing and Merged Semantic Pseudo-Labeling
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Learning to Clean: Reinforcement Learning for Noisy Label Correction
von: Heidari, Marzi, et al.
Veröffentlicht: (2025)

Fuzzy Label: From Concept to Its Application in Label Learning
von: Luoa, Chenxi, et al.
Veröffentlicht: (2025)

Relaxing Continuous Constraints of Equivariant Graph Neural Networks for Physical Dynamics Learning
von: Zheng, Zinan, et al.
Veröffentlicht: (2024)

Balanced Edge Pruning for Graph Anomaly Detection with Noisy Labels
von: Wang, Zhu, et al.
Veröffentlicht: (2024)

Multi-View Subgraph Neural Networks: Self-Supervised Learning with Scarce Labeled Data
von: Wang, Zhenzhong, et al.
Veröffentlicht: (2024)

Federated Semi-Supervised Graph Neural Networks with Prototype-Guided Pseudo-Labeling for Privacy-Preserving Gestational Diabetes Mellitus Prediction
von: Daniela, G. Victor, et al.
Veröffentlicht: (2026)

Causal Invariance and Counterfactual Learning Driven Cooperative Game for Multi-Label Classification
von: Fan, Yijia, et al.
Veröffentlicht: (2025)

Enhancing Distribution and Label Consistency for Graph Out-of-Distribution Generalization
von: Wang, Song, et al.
Veröffentlicht: (2025)

Towards Precise Action Spotting: Addressing Temporal Misalignment in Labels with Dynamic Label Assignment
von: Tamura, Masato
Veröffentlicht: (2025)

Efficient Bilevel Optimization for Meta Label Correction in Noisy Label Learning
von: Nguyen, Ba Hoang Anh, et al.
Veröffentlicht: (2026)

TMLC-Net: Transferable Meta Label Correction for Noisy Label Learning
von: Li, Mengyang
Veröffentlicht: (2025)

Graph Neural Aggregation-diffusion with Metastability
von: Cui, Kaiyuan, et al.
Veröffentlicht: (2024)

Improving Open-world Continual Learning under the Constraints of Scarce Labeled Data
von: Li, Yujie, et al.
Veröffentlicht: (2025)