:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arowolo, Olayiwola, Cremer, Jochen L.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2510.06860
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Residual Correction Models for AC Optimal Power Flow Using DC Optimal Power Flow Solutions
von: Za'ter, Muhy Eddin, et al.
Veröffentlicht: (2025)

Neural Network Optimal Power Flow via Energy Gradient Flow and Unified Dynamics
von: Liu, Xuezhi
Veröffentlicht: (2025)

Residual Power Flow for Neural Solvers
von: Stiasny, Jochen, et al.
Veröffentlicht: (2026)

FlowX: Towards Explainable Graph Neural Networks via Message Flows
von: Gui, Shurui, et al.
Veröffentlicht: (2022)

Multi-Objective Reinforcement Learning for Power Grid Topology Control
von: Lautenbacher, Thomas, et al.
Veröffentlicht: (2025)

PowerFlowNet: Power Flow Approximation Using Message Passing Graph Neural Networks
von: Lin, Nan, et al.
Veröffentlicht: (2023)

On the Expressive Power of Graph Neural Networks
von: Nalwade, Ashwin, et al.
Veröffentlicht: (2024)

Differentiable Optimization for Deep Learning-Enhanced DC Approximation of AC Optimal Power Flow
von: Rosemberg, Andrew, et al.
Veröffentlicht: (2025)

On the Complexity of Optimal Graph Rewiring for Oversmoothing and Oversquashing in Graph Neural Networks
von: Chehreghani, Mostafa Haghir
Veröffentlicht: (2026)

SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids
von: Ghamizi, Salah, et al.
Veröffentlicht: (2024)

Provably Powerful Graph Neural Networks for Directed Multigraphs
von: Egressy, Béni, et al.
Veröffentlicht: (2023)

Improving Molecular Graph Generation with Flow Matching and Optimal Transport
von: Hou, Xiaoyang, et al.
Veröffentlicht: (2024)

Graphs Unveiled: Graph Neural Networks and Graph Generation
von: Kovács, László, et al.
Veröffentlicht: (2024)

Training-free Graph Neural Networks and the Power of Labels as Features
von: Sato, Ryoma
Veröffentlicht: (2024)

Generalizing Graph Neural Networks on Out-Of-Distribution Graphs
von: Fan, Shaohua, et al.
Veröffentlicht: (2021)

Graph Neural Modeling of Network Flows
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2022)

Towards Comprehensive and Prerequisite-Free Explainer for Graph Neural Networks
von: Zhang, Han, et al.
Veröffentlicht: (2025)

Towards Few-shot Self-explaining Graph Neural Networks
von: Peng, Jingyu, et al.
Veröffentlicht: (2024)

Survey on Generalization Theory for Graph Neural Networks
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2025)

Unveiling Global Interactive Patterns across Graphs: Towards Interpretable Graph Neural Networks
von: Wang, Yuwen, et al.
Veröffentlicht: (2024)

GraphFramEx: Towards Systematic Evaluation of Explainability Methods for Graph Neural Networks
von: Amara, Kenza, et al.
Veröffentlicht: (2022)

FSX: Message Flow Sensitivity Enhanced Structural Explainer for Graph Neural Networks
von: Feng, Bizu, et al.
Veröffentlicht: (2026)

Weisfeiler-Lehman goes Dynamic: An Analysis of the Expressive Power of Graph Neural Networks for Attributed and Dynamic Graphs
von: Beddar-Wiesing, Silvia, et al.
Veröffentlicht: (2022)

Towards Scalable and Deep Graph Neural Networks via Noise Masking
von: Liang, Yuxuan, et al.
Veröffentlicht: (2024)

Gradient Flow Convergence Guarantee for General Neural Network Architectures
von: Jakhmola, Yash
Veröffentlicht: (2025)

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

Toward Dynamic Stability Assessment of Power Grid Topologies using Graph Neural Networks
von: Nauck, Christian, et al.
Veröffentlicht: (2022)

Test Time Training for AC Power Flow Surrogates via Physics and Operational Constraint Refinement
von: Dogoulis, Panteleimon, et al.
Veröffentlicht: (2025)

A General Approach of Automated Environment Design for Learning the Optimal Power Flow
von: Wolgast, Thomas, et al.
Veröffentlicht: (2025)

Towards Expressive Spectral-Temporal Graph Neural Networks for Time Series Forecasting
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Towards Neural Scaling Laws on Graphs
von: Liu, Jingzhe, et al.
Veröffentlicht: (2024)

Flow to Learn: Flow Matching on Neural Network Parameters
von: Saragih, Daniel, et al.
Veröffentlicht: (2025)

Applying Ensemble Models based on Graph Neural Network and Reinforcement Learning for Wind Power Forecasting
von: Song, Hongjin, et al.
Veröffentlicht: (2025)

HetGPT: Harnessing the Power of Prompt Tuning in Pre-Trained Heterogeneous Graph Neural Networks
von: Ma, Yihong, et al.
Veröffentlicht: (2023)

Separation Power of Equivariant Neural Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2024)

Newton's Lantern: A Reinforcement Learning Framework for Finetuning AC Power Flow Warm Start Models
von: Bose, Shourya, et al.
Veröffentlicht: (2026)

Towards Faithful Class-level Self-explainability in Graph Neural Networks by Subgraph Dependencies
von: Liu, Fanzhen, et al.
Veröffentlicht: (2025)

GNNavigator: Towards Adaptive Training of Graph Neural Networks via Automatic Guideline Exploration
von: Qiao, Tong, et al.
Veröffentlicht: (2024)

SCL-GNN: Towards Generalizable Graph Neural Networks via Spurious Correlation Learning
von: Zhang, Yuxiang, et al.
Veröffentlicht: (2026)

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