:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yingxu, Liu, Xinwang, Wang, Mengzhu, Gao, Siyang, Yin, Nan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2602.00656
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Safe-Subspace Pseudo-Label Refinement for Source-Free Graph Domain Adaptation
von: Wang, Yingxu, et al.
Veröffentlicht: (2026)

USBD: Universal Structural Basis Distillation for Source-Free Graph Domain Adaptation
von: Wang, Yingxu, et al.
Veröffentlicht: (2026)

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

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

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

MC-RFM: Geometry-Aware Few-Shot Adaptation via Mixed-Curvature Riemannian Flow Matching
von: Khazem, Salim, et al.
Veröffentlicht: (2026)

DAMR: Efficient and Adaptive Context-Aware Knowledge Graph Question Answering with LLM-Guided MCTS
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

SGAC: A Graph Neural Network Framework for Imbalanced and Structure-Aware AMP Classification
von: Wang, Yingxu, et al.
Veröffentlicht: (2024)

When Brain Networks Travel: Learning Beyond Site
von: Wang, Yingxu, et al.
Veröffentlicht: (2026)

TRACE: An Experiential Framework for Coherent Multi-hop Knowledge Graph Question Answering
von: Wang, Yingxu, et al.
Veröffentlicht: (2026)

DuSEGO: Dual Second-order Equivariant Graph Ordinary Differential Equation
von: Wang, Yingxu, et al.
Veröffentlicht: (2024)

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

CoCo: A Coupled Contrastive Framework for Unsupervised Domain Adaptive Graph Classification
von: Yin, Nan, et al.
Veröffentlicht: (2023)

ProtoMol: Enhancing Molecular Property Prediction via Prototype-Guided Multimodal Learning
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

Dynamic Spiking Framework for Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2023)

Cross-Attention Graph Neural Networks for Inferring Gene Regulatory Networks with Skewed Degree Distribution
von: Xiong, Jiaqi, et al.
Veröffentlicht: (2024)

Riemannian Variational Flow Matching for Material and Protein Design
von: Zaghen, Olga, et al.
Veröffentlicht: (2025)

Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation
von: Wang, Fan, et al.
Veröffentlicht: (2024)

DisCo: Graph-Based Disentangled Contrastive Learning for Cold-Start Cross-Domain Recommendation
von: Li, Hourun, et al.
Veröffentlicht: (2024)

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

Graph Structure Learning with Bi-level Optimization
von: Yin, Nan
Veröffentlicht: (2024)

Riemannian Flow Matching Policy for Robot Motion Learning
von: Braun, Max, et al.
Veröffentlicht: (2024)

Fast and Robust Visuomotor Riemannian Flow Matching Policy
von: Ding, Haoran, et al.
Veröffentlicht: (2024)

Structure-Attribute Transformations with Markov Chain Boost Graph Domain Adaptation
von: Liu, Zhen, et al.
Veröffentlicht: (2025)

Total Variation Rates for Riemannian Flow Matching
von: Guan, Yunrui, et al.
Veröffentlicht: (2026)

Deep Temporal Graph Clustering: A Comprehensive Benchmark and Datasets
von: Liu, Meng, et al.
Veröffentlicht: (2026)

FlowMM: Generating Materials with Riemannian Flow Matching
von: Miller, Benjamin Kurt, et al.
Veröffentlicht: (2024)

KumoRFM-2: Scaling Foundation Models for Relational Learning
von: Hudovernik, Valter, et al.
Veröffentlicht: (2026)

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

Continuous Spiking Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2024)

Learning Structure-Semantic Evolution Trajectories for Graph Domain Adaptation
von: Chen, Wei, et al.
Veröffentlicht: (2026)

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

Multi-Domain Riemannian Graph Gluing for Building Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2026)

xRFM: Accurate, scalable, and interpretable feature learning models for tabular data
von: Beaglehole, Daniel, et al.
Veröffentlicht: (2025)

Flow Matching is Adaptive to Manifold Structures
von: Kumar, Shivam, et al.
Veröffentlicht: (2026)

Deep Temporal Graph Clustering
von: Liu, Meng, et al.
Veröffentlicht: (2023)

FlowMS: Flow Matching for De Novo Structure Elucidation from Mass Spectra
von: Nie, Jianan, et al.
Veröffentlicht: (2026)

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

Epistemic Uncertainty Quantification for Pre-trained VLMs via Riemannian Flow Matching
von: Ju, Li, et al.
Veröffentlicht: (2026)

Unifying Value Alignment and Assignment in Cross-Domain Offline Reinforcement Learning with Heterogeneous Datasets
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2026)