:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Latapy, Matthieu, Rajeh, Stephany
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2603.01841
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Learning Feature Encoder with Synthetic Anomalies for Weakly Supervised Graph Anomaly Detection
di: Zhou, Yingjie, et al.
Pubblicazione: (2026)

DDE-Find: Learning Delay Differential Equations from Noisy, Limited Data
di: Stephany, Robert
Pubblicazione: (2024)

Good Enough to Learn: LLM-based Anomaly Detection in ECU Logs without Reliable Labels
di: Bogdan, Bogdan, et al.
Pubblicazione: (2025)

Imbalanced Graph-Level Anomaly Detection via Counterfactual Augmentation and Feature Learning
di: Wang, Zitong, et al.
Pubblicazione: (2024)

Extreme Value Modelling of Feature Residuals for Anomaly Detection in Dynamic Graphs
di: Kandanaarachchi, Sevvandi, et al.
Pubblicazione: (2024)

Graph Evidential Learning for Anomaly Detection
di: Wei, Chunyu, et al.
Pubblicazione: (2025)

RoseCDL: Robust and Scalable Convolutional Dictionary Learning for Rare event and Anomaly Detection
di: Yehya, Jad, et al.
Pubblicazione: (2025)

Convergence of Message Passing Graph Neural Networks with Generic Aggregation On Large Random Graphs
di: Cordonnier, Matthieu, et al.
Pubblicazione: (2023)

General Graph Random Features
di: Reid, Isaac, et al.
Pubblicazione: (2023)

Improving flocking behaviors in street networks with vision
di: Moinard, Guillaume, et al.
Pubblicazione: (2025)

Fast and Robust Flocking of Protesters on Street Networks
di: Moinard, Guillaume, et al.
Pubblicazione: (2024)

Mapping low-resolution edges to high-resolution paths: the case of traffic measurements in cities
di: Legay, Bastien, et al.
Pubblicazione: (2024)

Explainable Unsupervised Anomaly Detection with Random Forest
di: Harvey, Joshua S., et al.
Pubblicazione: (2025)

Multitask Active Learning for Graph Anomaly Detection
di: Chang, Wenjing, et al.
Pubblicazione: (2024)

Rethinking Feature Alignment in Generalist Graph Anomaly Detection: A Relational Fingerprint-based Approach
di: Liu, Yujing, et al.
Pubblicazione: (2026)

Anomaly Detection and Classification in Knowledge Graphs
di: Senaratne, Asara, et al.
Pubblicazione: (2024)

Cluster Aware Graph Anomaly Detection
di: Zheng, Lecheng, et al.
Pubblicazione: (2024)

EAGLE: Contrastive Learning for Efficient Graph Anomaly Detection
di: Ren, Jing, et al.
Pubblicazione: (2025)

Sarcasm Detection on Reddit Using Classical Machine Learning and Feature Engineering
di: Karmaker, Subrata
Pubblicazione: (2025)

Set Features for Anomaly Detection
di: Cohen, Niv, et al.
Pubblicazione: (2023)

Rollout-LaSDI: Enhancing the long-term accuracy of Latent Space Dynamics
di: Stephany, Robert, et al.
Pubblicazione: (2025)

Semi-supervised Graph Anomaly Detection via Robust Homophily Learning
di: Ai, Guoguo, et al.
Pubblicazione: (2025)

Anomaly Detection via Autoencoder Composite Features and NCE
di: Liao, Yalin, et al.
Pubblicazione: (2025)

SWING: Unlocking Implicit Graph Representations for Graph Random Features
di: Manenti, Alessandro, et al.
Pubblicazione: (2026)

Computationally-efficient Graph Modeling with Refined Graph Random Features
di: Choromanski, Krzysztof, et al.
Pubblicazione: (2025)

Graph Random Features for Scalable Gaussian Processes
di: Zhang, Matthew, et al.
Pubblicazione: (2025)

Unsupervised Graph Anomaly Detection via Multi-Hypersphere Heterophilic Graph Learning
di: Ni, Hang, et al.
Pubblicazione: (2025)

UMGAD: Unsupervised Multiplex Graph Anomaly Detection
di: Li, Xiang, et al.
Pubblicazione: (2024)

Generative Semi-supervised Graph Anomaly Detection
di: Qiao, Hezhe, et al.
Pubblicazione: (2024)

Weighted Isolation and Random Cut Forest Algorithms for Anomaly Detection
di: Yeom, Sijin, et al.
Pubblicazione: (2022)

Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection
di: Liu, Yunhui, et al.
Pubblicazione: (2025)

Rethinking Contrastive Learning in Graph Anomaly Detection: A Clean-View Perspective
di: Jin, Di, et al.
Pubblicazione: (2025)

Revisiting Graph Contrastive Learning on Anomaly Detection: A Structural Imbalance Perspective
di: Xu, Yiming, et al.
Pubblicazione: (2025)

Graph Enhanced Trajectory Anomaly Detection
di: Mbuya, Jonathan Kabala, et al.
Pubblicazione: (2025)

Few Edges Are Enough: Few-Shot Network Attack Detection with Graph Neural Networks
di: Bilot, Tristan, et al.
Pubblicazione: (2025)

Unsupervised Feature Construction for Anomaly Detection in Time Series -- An Evaluation
di: Hamon, Marine, et al.
Pubblicazione: (2025)

DeNoise: Learning Robust Graph Representations for Unsupervised Graph-Level Anomaly Detection
di: Chen, Qingfeng, et al.
Pubblicazione: (2025)

Linear Transformer Topological Masking with Graph Random Features
di: Reid, Isaac, et al.
Pubblicazione: (2024)

How to Use Graph Data in the Wild to Help Graph Anomaly Detection?
di: Cao, Yuxuan, et al.
Pubblicazione: (2025)

Random Policy Valuation is Enough for LLM Reasoning with Verifiable Rewards
di: He, Haoran, et al.
Pubblicazione: (2025)