Buchumschlag

EAGLE: Contrastive Learning for Efficient Graph Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ren, Jing, Hou, Mingliang, Liu, Zhixuan, Bai, Xiaomei
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

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

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

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

P-EAGLE: Parallel-Drafting EAGLE with Scalable Training
von: Hui, Mude, et al.
Veröffentlicht: (2026)

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

Interpretable Graph-Level Anomaly Detection via Contrast with Normal Prototypes
von: Zhao, Qiuran, et al.
Veröffentlicht: (2026)

Imbalanced Graph-Level Anomaly Detection via Counterfactual Augmentation and Feature Learning
von: Wang, Zitong, et al.
Veröffentlicht: (2024)

CRoC: Context Refactoring Contrast for Graph Anomaly Detection with Limited Supervision
von: Xie, Siyue, et al.
Veröffentlicht: (2025)

EAGLE: Edge-Aware Graph Learning for Proactive Delivery Delay Prediction in Smart Logistics Networks
von: Xue, Zhiming, et al.
Veröffentlicht: (2026)

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

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)

Causality-Aware Contrastive Learning for Robust Multivariate Time-Series Anomaly Detection
von: Kim, HyunGi, et al.
Veröffentlicht: (2025)

DACAD: Domain Adaptation Contrastive Learning for Anomaly Detection in Multivariate Time Series
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2024)

A New Spatiotemporal Correlation Anomaly Detection Method that Integrates Contrastive Learning and Few-Shot Learning in Wireless Sensor Networks
von: Ye, Miao, et al.
Veröffentlicht: (2025)

EAGLE: A Domain Generalization Framework for AI-generated Text Detection
von: Bhattacharjee, Amrita, et al.
Veröffentlicht: (2024)

Graph Ranking Contrastive Learning: A Extremely Simple yet Efficient Method
von: Hu, Yulan, et al.
Veröffentlicht: (2023)

ContraLog: Log File Anomaly Detection with Contrastive Learning and Masked Language Modeling
von: Dietz, Simon, et al.
Veröffentlicht: (2026)

CGCL: Collaborative Graph Contrastive Learning without Handcrafted Graph Data Augmentations
von: Zhang, Tianyu, et al.
Veröffentlicht: (2021)

A Survey on Diffusion Models for Anomaly Detection
von: Liu, Jing, et al.
Veröffentlicht: (2025)

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

DeNoise: Learning Robust Graph Representations for Unsupervised Graph-Level Anomaly Detection
von: Chen, Qingfeng, et al.
Veröffentlicht: (2025)

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

EAGLE: Efficient Alignment of Generalized Latent Embeddings for Multimodal Survival Prediction with Interpretable Attribution Analysis
von: Tripathi, Aakash, et al.
Veröffentlicht: (2025)

Meta-Learning Based Few-Shot Graph-Level Anomaly Detection
von: Li, Liting, et al.
Veröffentlicht: (2025)

UFO: A Unified Flow-Oriented Framework for Robust Continual Graph Learning
von: Zhang, Danhui, et al.
Veröffentlicht: (2026)

Foundation Models for Anomaly Detection: Vision and Challenges
von: Ren, Jing, et al.
Veröffentlicht: (2025)

Perfect Alignment May be Poisonous to Graph Contrastive Learning
von: Liu, Jingyu, et al.
Veröffentlicht: (2023)

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

Evidential Spectrum-Aware Contrastive Learning for OOD Detection in Dynamic Graphs
von: Sun, Nan, 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)

DConAD: A Differencing-based Contrastive Representation Learning Framework for Time Series Anomaly Detection
von: Zhang, Wenxin, et al.
Veröffentlicht: (2025)

Towards Automated Self-Supervised Learning for Truly Unsupervised Graph Anomaly Detection
von: Li, Zhong, et al.
Veröffentlicht: (2025)

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

Dual-Kernel Graph Community Contrastive Learning
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

Weighted Contrastive Learning for Anomaly-Aware Time-Series Forecasting
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)

Variational Graph Contrastive Learning
von: Xie, Shifeng, et al.
Veröffentlicht: (2024)

RoCA: Robust Contrastive One-class Time Series Anomaly Detection with Contaminated Data
von: Mou, Xudong, et al.
Veröffentlicht: (2025)

Distance-Misaligned Training in Graph Transformers and Adaptive Graph-Aware Control
von: Hou, Qinhan, et al.
Veröffentlicht: (2026)

AnomalyLLM: Few-shot Anomaly Edge Detection for Dynamic Graphs using Large Language Models
von: Liu, Shuo, et al.
Veröffentlicht: (2024)