Buchumschlag

Diffusion-Guided Pretraining for Brain Graph Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Xinxu, Zhou, Rong, He, Lifang, Zhang, Yu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pre-Training Graph Contrastive Masked Autoencoders are Strong Distillers for EEG
von: Wei, Xinxu, et al.
Veröffentlicht: (2024)

A Brain Graph Foundation Model: Pre-Training and Prompt-Tuning across Broad Atlases and Disorders
von: Wei, Xinxu, et al.
Veröffentlicht: (2025)

Bridging Distribution Gaps in Time Series Foundation Model Pretraining with Prototype-Guided Normalization
von: Gong, Peiliang, et al.
Veröffentlicht: (2025)

ORPR: An OR-Guided Pretrain-then-Reinforce Learning Model for Inventory Management
von: Zhao, Lingjie, et al.
Veröffentlicht: (2025)

Spatio-Temporal Graph Deep Learning with Stochastic Differential Equations for Uncovering Alzheimer's Disease Progression
von: Zhou, Houliang, et al.
Veröffentlicht: (2025)

Self-supervised Pretraining for Decision Foundation Model: Formulation, Pipeline and Challenges
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2023)

Pretraining a Foundation Model for Small-Molecule Natural Products
von: Ding, Yuheng, et al.
Veröffentlicht: (2025)

Extending Pretrained 10-Second ECG Foundation Models to Longer Horizons
von: Tang, Wei, et al.
Veröffentlicht: (2026)

Fostering Intrinsic Motivation in Reinforcement Learning with Pretrained Foundation Models
von: Andres, Alain, et al.
Veröffentlicht: (2024)

Large Connectome Model: An fMRI Foundation Model of Brain Connectomes Empowered by Brain-Environment Interaction in Multitask Learning Landscape
von: Wei, Ziquan, et al.
Veröffentlicht: (2025)

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

Rethinking Functional Brain Connectome Analysis: Do Graph Deep Learning Models Help
von: Han, Keqi, et al.
Veröffentlicht: (2025)

HeterCSI: Channel-Adaptive Heterogeneous CSI Pretraining Framework for Generalized Wireless Foundation Models
von: Zhang, Chenyu, et al.
Veröffentlicht: (2026)

Foundations and Frontiers of Graph Learning Theory
von: Huang, Yu, et al.
Veröffentlicht: (2024)

Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
von: He, Mingguo, et al.
Veröffentlicht: (2022)

Bridging Foundation Models and Efficient Architectures: A Modular Brain Imaging Framework with Local Masking and Pretrained Representation Learning
von: Wang, Yanwen, et al.
Veröffentlicht: (2025)

Graph Foundation Models: Bridging Language Model Paradigms and Graph Optimization
von: Liang, Yunhao, et al.
Veröffentlicht: (2025)

Towards Physics-Guided Foundation Models
von: Farhadloo, Majid, et al.
Veröffentlicht: (2025)

Biologically Plausible Brain Graph Transformer
von: Peng, Ciyuan, et al.
Veröffentlicht: (2025)

AnyGraph: Graph Foundation Model in the Wild
von: Xia, Lianghao, et al.
Veröffentlicht: (2024)

ManifoldFormer: Geometric Deep Learning for Neural Dynamics on Riemannian Manifolds
von: Fu, Yihang, et al.
Veröffentlicht: (2025)

Learning Causal Graphs at Scale: A Foundation Model Approach
von: Yin, Naiyu, et al.
Veröffentlicht: (2025)

UTICA: Multi-Objective Self-Distllation Foundation Model Pretraining for Time Series Classification
von: Moakher, Yessin, et al.
Veröffentlicht: (2026)

PRISM: Exploring Heterogeneous Pretrained EEG Foundation Model Transfer to Clinical Differential Diagnosis
von: Lahiri, Jeet Bandhu, et al.
Veröffentlicht: (2026)

One Model for One Graph: A New Perspective for Pretraining with Cross-domain Graphs
von: Liu, Jingzhe, et al.
Veröffentlicht: (2024)

ClusMFL: A Cluster-Enhanced Framework for Modality-Incomplete Multimodal Federated Learning in Brain Imaging Analysis
von: Wang, Xinpeng, et al.
Veröffentlicht: (2025)

Guiding Diffusion Models with Reinforcement Learning for Stable Molecule Generation
von: Zhou, Zhijian, et al.
Veröffentlicht: (2025)

Diffusion Models for Reinforcement Learning: Foundations, Taxonomy, and Development
von: Xu, Changfu, et al.
Veröffentlicht: (2025)

Inverting Foundation Models of Brain Function with Simulation-Based Inference
von: Bracher, Niels, et al.
Veröffentlicht: (2026)

Diffusion Transformers as Open-World Spatiotemporal Foundation Models
von: Yuan, Yuan, et al.
Veröffentlicht: (2024)

Brain PathoGraph Learning
von: Peng, Ciyuan, et al.
Veröffentlicht: (2025)

Towards Open Respiratory Acoustic Foundation Models: Pretraining and Benchmarking
von: Zhang, Yuwei, et al.
Veröffentlicht: (2024)

Brain Foundation Models: A Survey on Advancements in Neural Signal Processing and Brain Discovery
von: Zhou, Xinliang, et al.
Veröffentlicht: (2025)

PhyDA: Physics-Guided Diffusion Models for Data Assimilation in Atmospheric Systems
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Billion-Scale Graph Foundation Models
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2026)

Riemannian Geometry Speaks Louder Than Words: From Graph Foundation Model to Next-Generation Graph Intelligence
von: Yu, Philip S., et al.
Veröffentlicht: (2026)

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

Learning Design-Score Manifold to Guide Diffusion Models for Offline Optimization
von: Zhou, Tailin, et al.
Veröffentlicht: (2025)

GraphProp: Training the Graph Foundation Models using Graph Properties
von: Sun, Ziheng, et al.
Veröffentlicht: (2025)

Unified World Models: Coupling Video and Action Diffusion for Pretraining on Large Robotic Datasets
von: Zhu, Chuning, et al.
Veröffentlicht: (2025)