:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Benoit, Alexandre, Aitken, Catherine, He, Yu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2510.20556
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Temporal Graph Rewiring with Expander Graphs
von: Petrović, Katarina, et al.
Veröffentlicht: (2024)

Dynamic Triangulation-Based Graph Rewiring for Graph Neural Networks
von: Attali, Hugo, et al.
Veröffentlicht: (2025)

SwinGNN: Rethinking Permutation Invariance in Diffusion Models for Graph Generation
von: Yan, Qi, et al.
Veröffentlicht: (2023)

Modality as Heterogeneity: Node Splitting and Graph Rewiring for Multimodal Graph Learning
von: Zhang, Yihan, et al.
Veröffentlicht: (2026)

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

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey
von: Attali, Hugo, et al.
Veröffentlicht: (2024)

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey
von: Attali, Hugo, et al.
Veröffentlicht: (2026)

Handling Distribution Shifts on Graphs: An Invariance Perspective
von: Wu, Qitian, et al.
Veröffentlicht: (2022)

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

Adaptive Graph Rewiring to Mitigate Over-Squashing in Mesh-Based GNNs for Fluid Dynamics Simulations
von: Seo, Sangwoo, et al.
Veröffentlicht: (2025)

Rethinking Graph Contrastive Learning through Relative Similarity Preservation
von: Ning, Zhiyuan, et al.
Veröffentlicht: (2025)

Lost in Serialization: Invariance and Generalization of LLM Graph Reasoners
von: Herbst, Daniel, et al.
Veröffentlicht: (2025)

Rethinking Tokenized Graph Transformers for Node Classification
von: Chen, Jinsong, et al.
Veröffentlicht: (2025)

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

NN-Former: Rethinking Graph Structure in Neural Architecture Representation
von: Xu, Ruihan, et al.
Veröffentlicht: (2025)

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

Accurate and Scalable Graph Neural Networks via Message Invariance
von: Shi, Zhihao, et al.
Veröffentlicht: (2025)

Causal Graph Learning via Distributional Invariance of Cause-Effect Relationship
von: Nguyen, Nang Hung, et al.
Veröffentlicht: (2026)

GraViti: Graph-Level Variational Autoencoders with Relaxed Permutation Invariance
von: Bresson, Roman, et al.
Veröffentlicht: (2026)

Representation Invariance and Allocation: When Subgroup Balance Matters
von: Alloula, Anissa, et al.
Veröffentlicht: (2025)

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

GraphCroc: Cross-Correlation Autoencoder for Graph Structural Reconstruction
von: Duan, Shijin, et al.
Veröffentlicht: (2024)

Speeding Up MACE: Low-Precision Tricks for Equivarient Force Fields
von: Benoit, Alexandre
Veröffentlicht: (2025)

Graph-Based Fraud Detection with Dual-Path Graph Filtering
von: He, Wei, et al.
Veröffentlicht: (2026)

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

Rethinking Diffusion Models with Symmetries through Canonicalization with Applications to Molecular Graph Generation
von: Zhou, Cai, et al.
Veröffentlicht: (2026)

A Metric for the Balance of Information in Graph Learning
von: Davies, Alex O., et al.
Veröffentlicht: (2025)

Metric Based Few-Shot Graph Classification
von: Crisostomi, Donato, et al.
Veröffentlicht: (2022)

Towards Metric-Faithful Neural Graph Matching
von: Shivottam, Jyotirmaya, et al.
Veröffentlicht: (2026)

Rethinking Invariance Regularization in Adversarial Training to Improve Robustness-Accuracy Trade-off
von: Waseda, Futa, et al.
Veröffentlicht: (2024)

GraphEdit: Large Language Models for Graph Structure Learning
von: Guo, Zirui, et al.
Veröffentlicht: (2024)

Continuous Invariance Learning
von: Lin, Yong, et al.
Veröffentlicht: (2023)

Rethinking and Accelerating Graph Condensation: A Training-Free Approach with Class Partition
von: Gao, Xinyi, et al.
Veröffentlicht: (2024)

From Variance to Invariance: Qualitative Content Analysis for Narrative Graph Annotation
von: Huang, Junbo, et al.
Veröffentlicht: (2026)

Relating-Up: Advancing Graph Neural Networks through Inter-Graph Relationships
von: Zou, Qi, et al.
Veröffentlicht: (2024)

Rethinking Cancer Gene Identification through Graph Anomaly Analysis
von: Zang, Yilong, et al.
Veröffentlicht: (2024)

LoReC: Rethinking Large Language Models for Graph Data Analysis
von: Zhan, Hongyu, et al.
Veröffentlicht: (2026)

Identifying Backdoored Graphs in Graph Neural Network Training: An Explanation-Based Approach with Novel Metrics
von: Downer, Jane, et al.
Veröffentlicht: (2024)

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

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