Buchumschlag

Geometry-Induced Diffusion on Graphs: A Learnable Weighted Laplacian for Spectral GNNs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zosso, Mia, Hariri, Ali, Kawasaki-Borruat, Victor, Berlureau, Pierre-Gabriel, Vandergheynst, Pierre
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Diffusion Processes on Implicit Manifolds
von: Kawasaki-Borruat, Victor, et al.
Veröffentlicht: (2026)

Generative Modeling of Full-Atom Protein Conformations using Latent Diffusion on Graph Embeddings
von: Sengar, Aditya, et al.
Veröffentlicht: (2025)

On Vanishing Gradients, Over-Smoothing, and Over-Squashing in GNNs: Bridging Recurrent and Graph Learning
von: Arroyo, Álvaro, et al.
Veröffentlicht: (2025)

Position: Message-passing and spectral GNNs are two sides of the same coin
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2026)

Return of ChebNet: Understanding and Improving an Overlooked GNN on Long Range Tasks
von: Hariri, Ali, et al.
Veröffentlicht: (2025)

On the Necessity of Learnable Sheaf Laplacians
von: Caralt, Ferran Hernandez, et al.
Veröffentlicht: (2026)

All-Atom GPCR-Ligand Simulation via Residual Isometric Latent Flow
von: Zhang, Jiying, et al.
Veröffentlicht: (2026)

Understanding and Improving Laplacian Positional Encodings For Temporal GNNs
von: Galron, Yaniv, et al.
Veröffentlicht: (2025)

Predicting the Performance of Graph Convolutional Networks with Spectral Properties of the Graph Laplacian
von: Manir, Shalima Binta, et al.
Veröffentlicht: (2025)

On the Scalability of GNNs for Molecular Graphs
von: Sypetkowski, Maciej, et al.
Veröffentlicht: (2024)

Position: Spectral GNNs Are Neither Spectral Nor Superior for Node Classification
von: Jiang, Qin, et al.
Veröffentlicht: (2026)

Chi-Geometry: A Library for Benchmarking Chirality Prediction of GNNs
von: Weaver, Rylie, et al.
Veröffentlicht: (2025)

MEIDNet: Multimodal generative AI framework for inverse materials design
von: Babu, Anand, et al.
Veröffentlicht: (2026)

Beyond the Laplacian: Interpolated Spectral Augmentation for Graph Neural Networks
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Structure-Guided Input Graph for GNNs facing Heterophily
von: Tenorio, Victor M., et al.
Veröffentlicht: (2024)

Locality-Aware Graph-Rewiring in GNNs
von: Barbero, Federico, et al.
Veröffentlicht: (2023)

Interpretable statistical representations of neural population dynamics and geometry
von: Gosztolai, Adam, et al.
Veröffentlicht: (2023)

Generalization Bounds for Spectral GNNs via Fourier Domain Analysis
von: Martirosyan, Vahan A., et al.
Veröffentlicht: (2026)

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

You Can Have Better Graph Neural Networks by Not Training Weights at All: Finding Untrained GNNs Tickets
von: Huang, Tianjin, et al.
Veröffentlicht: (2022)

Improving Molecular Modeling with Geometric GNNs: an Empirical Study
von: Ramlaoui, Ali, et al.
Veröffentlicht: (2024)

Byzantine-Robust Federated Learning with Learnable Aggregation Weights
von: Parsa, Javad, et al.
Veröffentlicht: (2025)

Carré du champ flow matching: better quality-generalisation tradeoff in generative models
von: Bamberger, Jacob, et al.
Veröffentlicht: (2025)

Learnable Koopman-Enhanced Transformer-Based Time Series Forecasting with Spectral Control
von: Forootani, Ali, et al.
Veröffentlicht: (2026)

A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

Inductive Knowledge Graph Completion with GNNs and Rules: An Analysis
von: Anil, Akash, et al.
Veröffentlicht: (2023)

Graph Learning in 4D: a Quaternion-valued Laplacian to Enhance Spectral GCNs
von: Fiorini, Stefano, et al.
Veröffentlicht: (2023)

SpectralGap: Graph-Level Out-of-Distribution Detection via Laplacian Eigenvalue Gaps
von: Gu, Jiawei, et al.
Veröffentlicht: (2025)

Large-Scale Spectral Graph Neural Networks via Laplacian Sparsification: Technical Report
von: Ding, Haipeng, et al.
Veröffentlicht: (2025)

Subgraphormer: Unifying Subgraph GNNs and Graph Transformers via Graph Products
von: Bar-Shalom, Guy, et al.
Veröffentlicht: (2024)

A Comprehensive Benchmark on Spectral GNNs: The Impact on Efficiency, Memory, and Effectiveness
von: Liao, Ningyi, et al.
Veröffentlicht: (2024)

Graph Classification with GNNs: Optimisation, Representation and Inductive Bias
von: a, P. Krishna Kumar, et al.
Veröffentlicht: (2024)

Chaining 2-FWL GNNs for Combinatorial Graph Alignment
von: Lelarge, Marc
Veröffentlicht: (2025)

Flow Matters: Directional and Expressive GNNs for Heterophilic Graphs
von: Gupta, Arman, et al.
Veröffentlicht: (2025)

Rethinking the Expressive Power of GNNs via Graph Biconnectivity
von: Zhang, Bohang, et al.
Veröffentlicht: (2023)

Node Classification and Search on the Rubik's Cube Graph with GNNs
von: Barro, Alessandro
Veröffentlicht: (2025)

LISA: Laplacian In-context Spectral Analysis
von: Candanedo, Julio
Veröffentlicht: (2026)

Resolving Node Identifiability in Graph Neural Processes via Laplacian Spectral Encodings
von: Yan, Zimo, et al.
Veröffentlicht: (2025)

Generating Graphs via Spectral Diffusion
von: Minello, Giorgia, et al.
Veröffentlicht: (2024)

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