:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tai, Xinwei, Zou, Dongmian, Wang, Hongfei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2512.13149
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Fairness in Autoencoders for Node-Level Graph Anomaly Detection
von: Wang, Shouju, et al.
Veröffentlicht: (2025)

Three Revisits to Node-Level Graph Anomaly Detection: Outliers, Message Passing and Hyperbolic Neural Networks
von: Gu, Jing, et al.
Veröffentlicht: (2024)

Stein Discrepancy for Unsupervised Domain Adaptation
von: von Seeger, Anneke, et al.
Veröffentlicht: (2025)

COPF: An Online Framework for Deployment-Stable Counterfactual Fairness in Evolving Graphs
von: Li, Sheng'en, et al.
Veröffentlicht: (2026)

GRAM: An Interpretable Approach for Graph Anomaly Detection using Gradient Attention Maps
von: Yang, Yifei, et al.
Veröffentlicht: (2023)

Local Virtual Nodes for Alleviating Over-Squashing in Graph Neural Networks
von: Karabulut, Tuğrul Hasan, et al.
Veröffentlicht: (2025)

Brain-Inspired Perspective on Configurations: Unsupervised Similarity and Early Cognition
von: Wang, Juntang, et al.
Veröffentlicht: (2025)

Monotone Generative Modeling via a Gromov-Monge Embedding
von: Lee, Wonjun, et al.
Veröffentlicht: (2023)

Pairwise Alignment Improves Graph Domain Adaptation
von: Liu, Shikun, et al.
Veröffentlicht: (2024)

Aggregate to Adapt: Node-Centric Aggregation for Multi-Source-Free Graph Domain Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

Improving Hyperbolic Representations via Gromov-Wasserstein Regularization
von: Yang, Yifei, et al.
Veröffentlicht: (2024)

Understanding Latent Diffusability via Fisher Geometry
von: Gu, Jing, et al.
Veröffentlicht: (2026)

SkipNode: On Alleviating Performance Degradation for Deep Graph Convolutional Networks
von: Lu, Weigang, et al.
Veröffentlicht: (2021)

Klein Model for Hyperbolic Neural Networks
von: Mao, Yidan, et al.
Veröffentlicht: (2024)

Mixing Configurations for Downstream Prediction
von: Wang, Juntang, et al.
Veröffentlicht: (2025)

BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes
von: Wang, Qian, et al.
Veröffentlicht: (2024)

Global-Local Graph Neural Networks for Node-Classification
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Gradual Domain Adaptation for Graph Learning
von: Lei, Pui Ieng, et al.
Veröffentlicht: (2025)

One Node Per User: Node-Level Federated Learning for Graph Neural Networks
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

Parallelizing Node-Level Explainability in Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2026)

Geometry-Preserving Encoder/Decoder in Latent Generative Models
von: Lee, Wonjun, et al.
Veröffentlicht: (2025)

DEGNN: Dual Experts Graph Neural Network Handling Both Edge and Node Feature Noise
von: Hasegawa, Tai, et al.
Veröffentlicht: (2024)

Graph Domain Adaptation: Challenges, Progress and Prospects
von: Shi, Boshen, et al.
Veröffentlicht: (2024)

Robust Multi-Source Domain Adaptation under Label Shift
von: Xu, Congbin, et al.
Veröffentlicht: (2025)

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

Multi-source Unsupervised Domain Adaptation on Graphs with Transferability Modeling
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2024)

Cross-Space Adaptive Filter: Integrating Graph Topology and Node Attributes for Alleviating the Over-smoothing Problem
von: Huang, Chen, et al.
Veröffentlicht: (2024)

On the Benefits of Attribute-Driven Graph Domain Adaptation
von: Fang, Ruiyi, et al.
Veröffentlicht: (2025)

Degree-Conscious Spiking Graph for Cross-Domain Adaptation
von: Wang, Yingxu, et al.
Veröffentlicht: (2024)

Node Level Graph Autoencoder: Unified Pretraining for Textual Graph Learning
von: Hu, Wenbin, et al.
Veröffentlicht: (2024)

Node Regression on Latent Position Random Graphs via Local Averaging
von: Gjorgjevski, Martin, et al.
Veröffentlicht: (2024)

DSBD: Dual-Aligned Structural Basis Distillation for Graph Domain Adaptation
von: Wang, Yingxu, et al.
Veröffentlicht: (2026)

SA-GDA: Spectral Augmentation for Graph Domain Adaptation
von: Pang, Jinhui, et al.
Veröffentlicht: (2024)

Bridging Source and Target Domains via Link Prediction for Unsupervised Domain Adaptation on Graphs
von: Wang, Yilong, et al.
Veröffentlicht: (2025)

Enhancing the Influence of Labels on Unlabeled Nodes in Graph Convolutional Networks
von: Huang, Jincheng, et al.
Veröffentlicht: (2024)

Enhancing Federated Graph Learning via Adaptive Fusion of Structural and Node Characteristics
von: Gao, Xianjun, et al.
Veröffentlicht: (2024)

Semi-supervised Domain Adaptation in Graph Transfer Learning
von: Qiao, Ziyue, et al.
Veröffentlicht: (2023)

ASPECT: Node-Level Adaptive Spectral Fusion for Graph Contrastive Learning
von: Li, Zhuolong, et al.
Veröffentlicht: (2026)

DPAR: Decoupled Graph Neural Networks with Node-Level Differential Privacy
von: Zhang, Qiuchen, et al.
Veröffentlicht: (2022)

Enhancing Continuous Domain Adaptation with Multi-Path Transfer Curriculum
von: Liu, Hanbing, et al.
Veröffentlicht: (2024)