Buchumschlag

LGDC: Latent Graph Diffusion via Spectrum-Preserving Coarsening

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Osman, Nagham, Jiang, Keyue, Buffelli, Davide, Dong, Xiaowen, Toni, Laura
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

Bures-Wasserstein Flow Matching for Graph Generation
von: Jiang, Keyue, et al.
Veröffentlicht: (2025)

Heterogeneous Graph Structure Learning through the Lens of Data-generating Processes
von: Jiang, Keyue, et al.
Veröffentlicht: (2025)

From In Silico to In Vitro: Evaluating Molecule Generative Models for Hit Generation
von: Osman, Nagham, et al.
Veröffentlicht: (2025)

Effects of Dropout on Performance in Long-range Graph Learning Tasks
von: Singh, Jasraj, et al.
Veröffentlicht: (2025)

A Markov Random Field model for Hypergraph-based Machine Learning
von: Tang, Bohan, et al.
Veröffentlicht: (2023)

CliquePH: Higher-Order Information for Graph Neural Networks through Persistent Homology on Clique Graphs
von: Buffelli, Davide, et al.
Veröffentlicht: (2024)

On the Importance of Task Complexity in Evaluating LLM-Based Multi-Agent Systems
von: Tang, Bohan, et al.
Veröffentlicht: (2025)

Scalable Topology-Preserving Graph Coarsening: Concepts and Algorithms
von: Wu, Xiang, et al.
Veröffentlicht: (2026)

Impact of Connectivity on Laplacian Representations in Reinforcement Learning
von: Giorgi, Tommaso, et al.
Veröffentlicht: (2026)

The Deep Equilibrium Algorithmic Reasoner
von: Georgiev, Dobrik, et al.
Veröffentlicht: (2024)

Training-Free Message Passing for Learning on Hypergraphs
von: Tang, Bohan, et al.
Veröffentlicht: (2024)

Deep Equilibrium Algorithmic Reasoning
von: Georgiev, Dobrik, et al.
Veröffentlicht: (2024)

Faster Graph Embeddings via Coarsening
von: Fahrbach, Matthew, et al.
Veröffentlicht: (2020)

Gromov-Wasserstein Graph Coarsening
von: Taveras, Carlos A., et al.
Veröffentlicht: (2025)

Adaptive Multi-view Graph Contrastive Learning via Fractional-order Neural Diffusion Networks
von: Zhao, Yanan, et al.
Veröffentlicht: (2025)

A Finite Time Analysis of Thompson Sampling for Bayesian Optimization with Preferential Feedback
von: Lazzaro, Joseph, et al.
Veröffentlicht: (2026)

Taxonomy of reduction matrices for Graph Coarsening
von: Joly, Antonin, et al.
Veröffentlicht: (2025)

Graph Coarsening with Message-Passing Guarantees
von: Joly, Antonin, et al.
Veröffentlicht: (2024)

Topological Spatial Graph Coarsening
von: Calissano, Anna, et al.
Veröffentlicht: (2025)

A Flexible, Equivariant Framework for Subgraph GNNs via Graph Products and Graph Coarsening
von: Bar-Shalom, Guy, et al.
Veröffentlicht: (2024)

Graph Coarsening via Supervised Granular-Ball for Scalable Graph Neural Network Training
von: Xia, Shuyin, et al.
Veröffentlicht: (2024)

Adaptive Graph Coarsening for Efficient GNN Training
von: Olshevskyi, Rostyslav, et al.
Veröffentlicht: (2025)

Data-Driven Graph Filters via Adaptive Spectral Shaping
von: Sandfelder, Dylan, et al.
Veröffentlicht: (2026)

A Topology-aware Graph Coarsening Framework for Continual Graph Learning
von: Han, Xiaoxue, et al.
Veröffentlicht: (2024)

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

On the Trainability of Masked Diffusion Language Models via Blockwise Locality
von: Wang, Yuxiang, et al.
Veröffentlicht: (2026)

Principled Latent Diffusion for Graphs via Laplacian Autoencoders
von: Siraudin, Antoine, et al.
Veröffentlicht: (2026)

AH-UGC: Adaptive and Heterogeneous-Universal Graph Coarsening
von: Kataria, Mohit, et al.
Veröffentlicht: (2025)

An Efficient Loop and Clique Coarsening Algorithm for Graph Classification
von: Qi, Xiaorui, et al.
Veröffentlicht: (2024)

Mitigating Over-Squashing in Graph Neural Networks by Spectrum-Preserving Sparsification
von: Liang, Langzhang, et al.
Veröffentlicht: (2025)

Graph Classification Gaussian Processes via Hodgelet Spectral Features
von: Alain, Mathieu, et al.
Veröffentlicht: (2024)

Bayesian Optimization of Functions over Node Subsets in Graphs
von: Liang, Huidong, et al.
Veröffentlicht: (2024)

Temporal Motif Signatures for Temporal Graph Neural Networks
von: Sandfelder, Dylan, et al.
Veröffentlicht: (2026)

Attributed Graph Clustering with Multi-Scale Weight-Based Pairwise Coarsening and Contrastive Learning
von: Li, Binxiong, et al.
Veröffentlicht: (2025)

CTS-Bench: Benchmarking Graph Coarsening Trade-offs for GNNs in Clock Tree Synthesis
von: Khadka, Barsat, et al.
Veröffentlicht: (2026)

Vicinity-Guided Discriminative Latent Diffusion for Privacy-Preserving Domain Adaptation
von: Wang, Jing, et al.
Veröffentlicht: (2025)

Efficient and Scalable Granular-ball Graph Coarsening Method for Large-scale Graph Node Classification
von: Wang, Guan, et al.
Veröffentlicht: (2026)

Spectral Clustering for Directed Graphs via Likelihood Estimation on Stochastic Block Models
von: Zhang, Ning, et al.
Veröffentlicht: (2024)

Pion: A Spectrum-Preserving Optimizer via Orthogonal Equivalence Transformation
von: Shi, Kexuan, et al.
Veröffentlicht: (2026)

GDSD: Reinforcement Learning as Guided Denoiser Self-Distillation for Diffusion Language Models
von: Tang, Xiaohang, et al.
Veröffentlicht: (2026)