Buchumschlag

NN-Former: Rethinking Graph Structure in Neural Architecture Representation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Ruihan, Zhang, Haokui, Wang, Yaowei, Zeng, Wei, Zhang, Shiliang
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

EvoFormer: Learning Dynamic Graph-Level Representations with Structural and Temporal Bias Correction
von: Zhong, Haodi, et al.
Veröffentlicht: (2025)

ChronoFormer: Time-Aware Transformer Architectures for Structured Clinical Event Modeling
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2025)

BioFormer: Rethinking Cross-Subject Generalization via Spectral Structural Alignment in Biomedical Time-Series
von: Du, Guikang, et al.
Veröffentlicht: (2026)

FlowerFormer: Empowering Neural Architecture Encoding using a Flow-aware Graph Transformer
von: Hwang, Dongyeong, et al.
Veröffentlicht: (2024)

kNN-Graph: An adaptive graph model for $k$-nearest neighbors
von: Li, Jiaye, et al.
Veröffentlicht: (2026)

Looping Back to Move Forward: Recursive Transformers for Efficient and Flexible Large Multimodal Models
von: Xu, Ruihan, et al.
Veröffentlicht: (2026)

Graph Neural Architecture Search with GPT-4
von: Wang, Haishuai, et al.
Veröffentlicht: (2023)

Unsupervised Graph Neural Architecture Search with Disentangled Self-supervision
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

From Complex Dynamics to DynFormer: Rethinking Transformers for PDEs
von: Lai, Pengyu, et al.
Veröffentlicht: (2026)

Rethinking Spectral Graph Neural Networks with Spatially Adaptive Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2024)

Causal-aware Graph Neural Architecture Search under Distribution Shifts
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

VQGraph: Rethinking Graph Representation Space for Bridging GNNs and MLPs
von: Yang, Ling, et al.
Veröffentlicht: (2023)

RingFormer: Rethinking Recurrent Transformer with Adaptive Level Signals
von: Heo, Jaemu, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

Rethinking Independent Cross-Entropy Loss For Graph-Structured Data
von: Miao, Rui, et al.
Veröffentlicht: (2024)

TANGNN: a Concise, Scalable and Effective Graph Neural Networks with Top-m Attention Mechanism for Graph Representation Learning
von: E, Jiawei, et al.
Veröffentlicht: (2024)

Bridging Large Language Models and Graph Structure Learning Models for Robust Representation Learning
von: Su, Guangxin, et al.
Veröffentlicht: (2024)

GraphIFE: Rethinking Graph Imbalance Node Classification via Invariant Learning
von: Zeng, Fanlong, et al.
Veröffentlicht: (2025)

Causally Fair Node Classification on Non-IID Graph Data
von: Dai, Yucong, et al.
Veröffentlicht: (2025)

Context-Former: Stitching via Latent Conditioned Sequence Modeling
von: Zhang, Ziqi, et al.
Veröffentlicht: (2024)

VecFormer: Towards Efficient and Generalizable Graph Transformer with Graph Token Attention
von: Zhou, Jingbo, et al.
Veröffentlicht: (2026)

Structural Invariance Matters: Rethinking Graph Rewiring through Graph Metrics
von: Benoit, Alexandre, et al.
Veröffentlicht: (2025)

RingFormer: A Ring-Enhanced Graph Transformer for Organic Solar Cell Property Prediction
von: Ding, Zhihao, et al.
Veröffentlicht: (2024)

Rethinking Efficient Graph Coarsening via a Non-Selfishness Principle
von: Bai, Xu, et al.
Veröffentlicht: (2026)

Structured Progressive Knowledge Activation for LLM-Driven Neural Architecture Search
von: Liu, Zhen, et al.
Veröffentlicht: (2026)

Rethinking Propagation for Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

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

CrashFormer: A Multimodal Architecture to Predict the Risk of Crash
von: Monsefi, Amin Karimi, et al.
Veröffentlicht: (2024)

Sparse Decomposition of Graph Neural Networks
von: Hu, Yaochen, et al.
Veröffentlicht: (2024)

Approximate Subgraph Matching with Neural Graph Representations and Reinforcement Learning
von: Li, Kaiyang, et al.
Veröffentlicht: (2026)

Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
von: Jian, Xiangru, et al.
Veröffentlicht: (2024)

GL-Fusion: Rethinking the Combination of Graph Neural Network and Large Language model
von: Yang, Haotong, et al.
Veröffentlicht: (2024)

Unified Sparse-Matrix Representations for Diverse Neural Architectures
von: Zhu, Yuzhou
Veröffentlicht: (2025)

Neural Probabilistic Logic Learning for Knowledge Graph Reasoning
von: Sun, Fengsong, et al.
Veröffentlicht: (2024)

Rethinking Fair Graph Neural Networks from Re-balancing
von: Li, Zhixun, et al.
Veröffentlicht: (2024)

Graph Metanetworks for Processing Diverse Neural Architectures
von: Lim, Derek, et al.
Veröffentlicht: (2023)

Rethinking Link Prediction for Directed Graphs
von: He, Mingguo, et al.
Veröffentlicht: (2025)

LLM4GNAS: A Large Language Model Based Toolkit for Graph Neural Architecture Search
von: Gao, Yang, et al.
Veröffentlicht: (2025)

Orientation-Aware Graph Neural Networks for Protein Structure Representation Learning
von: Li, Jiahan, et al.
Veröffentlicht: (2022)

Graph Neural Networks with Feature and Structure Aware Random Walk
von: Zhuo, Wei, et al.
Veröffentlicht: (2021)