Buchumschlag

NetworkNet: A Deep Neural Network Approach for Random Networks with Sparse Nodal Attributes and Complex Nodal Heterogeneity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xing, Zhaoyu, Yu, Xiufan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Artificial Intelligence Statistics Theory Computation 62R30, 62R40, 68T07, 68T05, 65K10 G.3; I.2.6; I.5.1
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GT-PCA: Effective and Interpretable Dimensionality Reduction with General Transform-Invariant Principal Component Analysis
von: Heinrichs, Florian
Veröffentlicht: (2024)

Predicting Traffic Accident Severity with Deep Neural Networks
von: Bibb, Meghan, et al.
Veröffentlicht: (2025)

MRMS-Net and LMRMS-Net: Scalable Multi-Representation Multi-Scale Networks for Time Series Classification
von: Alagöz, Celal, et al.
Veröffentlicht: (2026)

Jacobian-Velocity Bounds for Deployment Risk Under Covariate Drift
von: Landers, Jonathan R.
Veröffentlicht: (2026)

EEG-EyeTrack: A Benchmark for Time Series and Functional Data Analysis with Open Challenges and Baselines
von: Afonso, Tiago Vasconcelos, et al.
Veröffentlicht: (2025)

Randomized Spline Trees for Functional Data Classification: Theory and Application to Environmental Time Series
von: Riccio, Donato, et al.
Veröffentlicht: (2024)

Multi-View Causal Discovery without Non-Gaussianity: Identifiability and Algorithms
von: Heurtebise, Ambroise, et al.
Veröffentlicht: (2025)

Model-Free Local Recalibration of Neural Networks
von: Torres, R., et al.
Veröffentlicht: (2024)

Evaluating the Quality of the Quantified Uncertainty for (Re)Calibration of Data-Driven Regression Models
von: Wibbeke, Jelke, et al.
Veröffentlicht: (2025)

Topological Data Analysis for Neural Network Analysis: A Comprehensive Survey
von: Ballester, Rubén, et al.
Veröffentlicht: (2023)

Persistent Topological Structures and Cohomological Flows as a Mathematical Framework for Brain-Inspired Representation Learning
von: Girish, Preksha, et al.
Veröffentlicht: (2025)

Multi-Hypothesis Prediction for Portfolio Optimization: A Structured Ensemble Learning Approach to Risk Diversification
von: Dominguez, Alejandro Rodriguez, et al.
Veröffentlicht: (2025)

Can Agentic AI Match the Performance of Human Data Scientists?
von: Luo, An, et al.
Veröffentlicht: (2025)

AgentDS Technical Report: Benchmarking the Future of Human-AI Collaboration in Domain-Specific Data Science
von: Luo, An, et al.
Veröffentlicht: (2026)

Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network
von: Ali, Mohammad Wazed, et al.
Veröffentlicht: (2024)

TGraphX: Tensor-Aware Graph Neural Network for Multi-Dimensional Feature Learning
von: Sajjadi, Arash, et al.
Veröffentlicht: (2025)

TED++: Submanifold-Aware Backdoor Detection via Layerwise Tubular-Neighbourhood Screening
von: Le, Nam, et al.
Veröffentlicht: (2025)

Multiple data-driven missing imputation
von: Kavun, Sergii
Veröffentlicht: (2025)

AssistedDS: Benchmarking How External Domain Knowledge Assists LLMs in Automated Data Science
von: Luo, An, et al.
Veröffentlicht: (2025)

GRALIS: A Unified Canonical Framework for Linear Attribution Methods via Riesz Representation
von: Fanale, Raimondo
Veröffentlicht: (2026)

DeepCausalMMM: A Deep Learning Framework for Marketing Mix Modeling with Causal Structure Learning
von: Tirumala, Aditya Puttaparthi
Veröffentlicht: (2025)

Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction
von: Dominguez, Alejandro Rodriguez, et al.
Veröffentlicht: (2023)

Machine Collaboration
von: Liu, Qingfeng, et al.
Veröffentlicht: (2021)

Robust Probabilistic Load Forecasting for a Single Household: A Comparative Study from SARIMA to Transformers on the REFIT Dataset
von: Manoj, Midhun
Veröffentlicht: (2025)

Evaluation of the impact of expert knowledge: How decision support scores impact the effectiveness of automatic knowledge-driven feature engineering (aKDFE)
von: Björneld, Olof, et al.
Veröffentlicht: (2025)

Forecasting Coccidioidomycosis (Valley Fever) in Arizona: A Graph Neural Network Approach
von: Sarabi, Ali, et al.
Veröffentlicht: (2025)

Ice Cream Doesn't Cause Drowning: Benchmarking LLMs Against Statistical Pitfalls in Causal Inference
von: Du, Jin, et al.
Veröffentlicht: (2025)

Augmented Functional Random Forests: Classifier Construction and Unbiased Functional Principal Components Importance through Ad-Hoc Conditional Permutations
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

Temporal Functional Circuits: From Spline Plots to Faithful Explanations in KAN Forecasting
von: Mysore, Naveen
Veröffentlicht: (2026)

Inter-Layer Hessian Analysis of Neural Networks with DAG Architectures
von: Bolshim, Maxim, et al.
Veröffentlicht: (2026)

Flood Risk Follows Valleys, Not Grids: Graph Neural Networks for Flash Flood Susceptibility Mapping in Himachal Pradesh with Conformal Uncertainty Quantification
von: Sharma, Paras, et al.
Veröffentlicht: (2026)

Predicting Drug-Drug Interactions Using Heterogeneous Graph Neural Networks: HGNN-DDI
von: Liu, Hongbo, et al.
Veröffentlicht: (2025)

Out-of-Distribution Detection via Channelwise Feature Aggregation in Neural Network-Based Receivers
von: Tuononen, Marko, et al.
Veröffentlicht: (2025)

ConvXformer: Differentially Private Hybrid ConvNeXt-Transformer for Inertial Navigation
von: Tariq, Omer, et al.
Veröffentlicht: (2025)

A Class of Topological Pseudodistances for Fast Comparison of Persistence Diagrams
von: Nuñez, Rolando Kindelan, et al.
Veröffentlicht: (2024)

Scalable Bayesian Clustering for Integrative Analysis of Multi-View Data
von: Cabral, Rafael, et al.
Veröffentlicht: (2024)

Attribution Projection Calculus: A Novel Framework for Causal Inference in Bayesian Networks
von: Amin, M Ruhul
Veröffentlicht: (2025)

Tensor Neyman-Pearson Classification: Theory, Algorithms, and Error Control
von: Liu, Lingchong, et al.
Veröffentlicht: (2025)

Unraveling Media Perspectives: A Comprehensive Methodology Combining Large Language Models, Topic Modeling, Sentiment Analysis, and Ontology Learning to Analyse Media Bias
von: Jähde, Orlando, et al.
Veröffentlicht: (2025)

GLL: A Differentiable Graph Learning Layer for Neural Networks
von: Brown, Jason, et al.
Veröffentlicht: (2024)