Buchumschlag

Stuart-Landau Oscillatory Graph Neural Network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Kaicheng, Reynolds, David N., Deidda, Piero, Tudisco, Francesco
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

Are We Measuring Oversmoothing in Graph Neural Networks Correctly?
von: Zhang, Kaicheng, et al.
Veröffentlicht: (2025)

Provable Emergence of Deep Neural Collapse and Low-Rank Bias in $L^2$-Regularized Nonlinear Networks
von: Zangrando, Emanuele, et al.
Veröffentlicht: (2024)

Synchronization of coupled Stuart-Landau oscillators: How heterogeneity can facilitate synchronization
von: Millán, Ana P, et al.
Veröffentlicht: (2025)

Nonlinear spectral graph theory
von: Deidda, Piero, et al.
Veröffentlicht: (2025)

Nonlinear Joint Spectral Radius
von: Deidda, Piero, et al.
Veröffentlicht: (2025)

Algebraformer: A Neural Approach to Linear Systems
von: Sittoni, Pietro, et al.
Veröffentlicht: (2025)

Graph Neural Network-Based Predictor for Optimal Quantum Hardware Selection
von: Tudisco, Antonio, et al.
Veröffentlicht: (2025)

The graph $\infty$-Laplacian eigenvalue problem
von: Deidda, Piero, et al.
Veröffentlicht: (2024)

Subhomogeneous Deep Equilibrium Models
von: Sittoni, Pietro, et al.
Veröffentlicht: (2024)

Deep Oscillatory Neural Network
von: Rohan, Nurani Rajagopal, et al.
Veröffentlicht: (2024)

Graph-Convolutional-Beta-VAE for Synthetic Abdominal Aorta Aneurysm Generation
von: Fabbri, Francesco, et al.
Veröffentlicht: (2025)

Winfree Oscillatory Neural Network
von: Dai, Jiawen, et al.
Veröffentlicht: (2026)

Ambient Physics: Training Neural PDE Solvers with Partial Observations
von: Majid, Harris Abdul, et al.
Veröffentlicht: (2026)

Low-Rank Compression of Language Models via Differentiable Rank Selection
von: Sundrani, Sidhant, et al.
Veröffentlicht: (2025)

SINDyG: Sparse Identification of Nonlinear Dynamical Systems from Graph-Structured Data, with Applications to Stuart-Landau Oscillator Networks
von: Basiri, Mohammad Amin, et al.
Veröffentlicht: (2024)

Low-Rank Adversarial PGD Attack
von: Savostianova, Dayana, et al.
Veröffentlicht: (2024)

Deep Neural Network Solutions for Oscillatory Fredholm Integral Equations
von: Jiang, Jie, et al.
Veröffentlicht: (2024)

Thermodynamics-Inspired Computing with Oscillatory Neural Networks for Inverse Matrix Computation
von: Tsormpatzoglou, George, et al.
Veröffentlicht: (2025)

Early-Exit Graph Neural Networks
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2025)

Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver
von: Sittoni, Pietro, et al.
Veröffentlicht: (2026)

Robust low-rank training via approximate orthonormal constraints
von: Savostianova, Dayana, et al.
Veröffentlicht: (2023)

Multi-Granular Attention based Heterogeneous Hypergraph Neural Network
von: Jin, Hong, et al.
Veröffentlicht: (2025)

Geometry-aware training of factorized layers in tensor Tucker format
von: Zangrando, Emanuele, et al.
Veröffentlicht: (2023)

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

Solaris: A Foundation Model of the Sun
von: Majid, Harris Abdul, et al.
Veröffentlicht: (2024)

Graph Coordinates and Conventional Neural Networks -- An Alternative for Graph Neural Networks
von: Qin, Zheyi, et al.
Veröffentlicht: (2023)

Multi-VQC: A Novel QML Approach for Enhancing Healthcare Classification
von: Tudisco, Antonio, et al.
Veröffentlicht: (2025)

Quantum Machine Learning in Healthcare: Evaluating QNN and QSVM Models
von: Tudisco, Antonio, et al.
Veröffentlicht: (2025)

GraphXAIN: Narratives to Explain Graph Neural Networks
von: Cedro, Mateusz, et al.
Veröffentlicht: (2024)

On the Two Sides of Redundancy in Graph Neural Networks
von: Bause, Franka, et al.
Veröffentlicht: (2023)

Implicit vs Unfolded Graph Neural Networks
von: Yang, Yongyi, et al.
Veröffentlicht: (2021)

Graph Neural Networks for Graphs with Heterophily: A Survey
von: Zheng, Xin, et al.
Veröffentlicht: (2022)

Efficient Mixed Precision Quantization in Graph Neural Networks
von: Moustafa, Samir, et al.
Veröffentlicht: (2025)

On the Relationship Between Robustness and Expressivity of Graph Neural Networks
von: Kummer, Lorenz, et al.
Veröffentlicht: (2025)

Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks
von: Ancelotti, Amy, et al.
Veröffentlicht: (2024)

AbstainGNN: Teaching Graph Neural Networks to Abstain for Graph Classification
von: Lin, Xixun, et al.
Veröffentlicht: (2026)

Invariant-Stratified Propagation for Expressive Graph Neural Networks
von: Hevapathige, Asela, et al.
Veröffentlicht: (2026)

GeoLoRA: Geometric integration for parameter efficient fine-tuning
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2024)

Link Prediction with Physics-Inspired Graph Neural Networks
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2024)

Exploring Topological Bias in Heterogeneous Graph Neural Networks
von: Zhang, Yihan
Veröffentlicht: (2025)