Buchumschlag

Geometric Generative Modeling with Noise-Conditioned Graph Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pao-Huang, Peter, Black, Mitchell, Qiu, Xiaojie
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

Generative Modeling with Flux Matching
von: Pao-Huang, Peter, et al.
Veröffentlicht: (2026)

Is Noise Conditioning Necessary? A Unified Theory of Unconditional Graph Diffusion Models
von: Li, Jipeng, et al.
Veröffentlicht: (2025)

Hyperbolic Geometric Latent Diffusion Model for Graph Generation
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

Training Robust Graph Neural Networks by Modeling Noise Dependencies
von: In, Yeonjun, et al.
Veröffentlicht: (2025)

Comparing Graph Transformers via Positional Encodings
von: Black, Mitchell, et al.
Veröffentlicht: (2024)

A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications
von: Han, Jiaqi, et al.
Veröffentlicht: (2024)

Rectified Noise: A Generative Model Using Positive-incentive Noise
von: Gu, Zhenyu, et al.
Veröffentlicht: (2025)

Generalization of Geometric Graph Neural Networks with Lipschitz Loss Functions
von: Wang, Zhiyang, et al.
Veröffentlicht: (2024)

NoiseHGNN: Synthesized Similarity Graph-Based Neural Network For Noised Heterogeneous Graph Representation Learning
von: Zhang, Xiong, et al.
Veröffentlicht: (2024)

Learn Beneficial Noise as Graph Augmentation
von: Huang, Siqi, et al.
Veröffentlicht: (2025)

Learning over Positive and Negative Edges with Contrastive Message Passing
von: Pao-Huang, Peter, et al.
Veröffentlicht: (2026)

Graph Inference with Effective Resistance Queries
von: Bennett, Huck, et al.
Veröffentlicht: (2025)

Data Complexity-aware Deep Model Performance Forecasting
von: Chen, Yen-Chia, et al.
Veröffentlicht: (2026)

Generating Robust Counterfactual Witnesses for Graph Neural Networks
von: Qiu, Dazhuo, et al.
Veröffentlicht: (2024)

A Generative Framework for Predictive Modeling of Multiple Chronic Conditions Using Graph Variational Autoencoder and Bandit-Optimized Graph Neural Network
von: Rico, Julian Carvajal, et al.
Veröffentlicht: (2024)

Reconstructing the Geometry of Random Geometric Graphs
von: Huang, Han, et al.
Veröffentlicht: (2024)

Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2023)

Joint Relational Database Generation via Graph-Conditional Diffusion Models
von: Ketata, Mohamed Amine, et al.
Veröffentlicht: (2025)

Geometric Representation Condition Improves Equivariant Molecule Generation
von: Li, Zian, et al.
Veröffentlicht: (2024)

Toward Better Geometric Representations for Molecule Generative Models
von: Yan, Shaoheng, et al.
Veröffentlicht: (2026)

On the Expressive Power of Geometric Graph Neural Networks
von: Joshi, Chaitanya K., et al.
Veröffentlicht: (2023)

Graph Guided Diffusion: Unified Guidance for Conditional Graph Generation
von: Tenorio, Victor M., et al.
Veröffentlicht: (2025)

Temporal Reasoning with Large Language Models Augmented by Evolving Knowledge Graphs
von: Lin, Junhong, et al.
Veröffentlicht: (2025)

PAGE: Parametric Generative Explainer for Graph Neural Network
von: Qiu, Yang, et al.
Veröffentlicht: (2024)

Biharmonic Distance of Graphs and its Higher-Order Variants: Theoretical Properties with Applications to Centrality and Clustering
von: Black, Mitchell, et al.
Veröffentlicht: (2024)

Conditional Diffusion Models for Semantic 3D Brain MRI Synthesis
von: Dorjsembe, Zolnamar, et al.
Veröffentlicht: (2023)

Topological Cycle Graph Attention Network for Brain Functional Connectivity
von: Huang, Jinghan, et al.
Veröffentlicht: (2024)

Using Random Noise Equivariantly to Boost Graph Neural Networks Universally
von: Wang, Xiyuan, et al.
Veröffentlicht: (2025)

Large Language Model Pruning
von: Huang, Hanjuan, et al.
Veröffentlicht: (2024)

Taylor-Sensus Network: Embracing Noise to Enlighten Uncertainty for Scientific Data
von: Song, Guangxuan, et al.
Veröffentlicht: (2024)

GraphRCG: Self-Conditioned Graph Generation
von: Wang, Song, et al.
Veröffentlicht: (2024)

Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow
von: Ma, Jicheng, et al.
Veröffentlicht: (2026)

Composable Score-based Graph Diffusion Model for Multi-Conditional Molecular Generation
von: Qiao, Anjie, et al.
Veröffentlicht: (2025)

Federated Conditional Conformal Prediction via Generative Models
von: Xu, Rui, et al.
Veröffentlicht: (2025)

GOLD: Graph Out-of-Distribution Detection via Implicit Adversarial Latent Generation
von: Wang, Danny, et al.
Veröffentlicht: (2025)

The Geometric Structure of Models Learning Sparse Data
von: Walker, Thomas, et al.
Veröffentlicht: (2026)

Neural Graph Generator: Feature-Conditioned Graph Generation using Latent Diffusion Models
von: Evdaimon, Iakovos, et al.
Veröffentlicht: (2024)

A Tutorial on Dimensionless Learning: Geometric Interpretation and the Effect of Noise
von: Gan, Zhengtao Jake, et al.
Veröffentlicht: (2025)

GIN-Graph: A Generative Interpretation Network for Model-Level Explanation of Graph Neural Networks
von: Yue, Xiao, et al.
Veröffentlicht: (2025)

Reasoning of Large Language Models over Knowledge Graphs with Super-Relations
von: Wang, Song, et al.
Veröffentlicht: (2025)