:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Proszewska, Magdalena, Siddharth, N.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2605.14884
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Designing Diffusion Autoencoders for Efficient Generation and Representation Learning
von: Proszewska, Magdalena, et al.
Veröffentlicht: (2025)

B-XAIC Dataset: Benchmarking Explainable AI for Graph Neural Networks Using Chemical Data
von: Proszewska, Magdalena, et al.
Veröffentlicht: (2025)

Beyond Topological Self-Explainable GNNs: A Formal Explainability Perspective
von: Azzolin, Steve, et al.
Veröffentlicht: (2025)

Explainable Fuzzy GNNs for Leak Detection in Water Distribution Networks
von: Khaled, Qusai, et al.
Veröffentlicht: (2026)

Grothendieck Graph Neural Networks Framework: An Algebraic Platform for Crafting Topology-Aware GNNs
von: Langari, Amirreza Shiralinasab, 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)

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

From GNNs to Trees: Multi-Granular Interpretability for Graph Neural Networks
von: Yang, Jie, et al.
Veröffentlicht: (2025)

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

Evaluating Neighbor Explainability for Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2023)

A Boolean Function-Theoretic Framework for Expressivity in GNNs with Applications to Fair Graph Mining
von: Pal, Manjish
Veröffentlicht: (2026)

Reconsidering Faithfulness in Regular, Self-Explainable and Domain Invariant GNNs
von: Azzolin, Steve, et al.
Veröffentlicht: (2024)

CoRe-GD: A Hierarchical Framework for Scalable Graph Visualization with GNNs
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

Towards Robust Fidelity for Evaluating Explainability of Graph Neural Networks
von: Zheng, Xu, et al.
Veröffentlicht: (2023)

Graph Kernel Neural Networks
von: Cosmo, Luca, et al.
Veröffentlicht: (2021)

GraphEdge: Dynamic Graph Partition and Task Scheduling for GNNs Computing in Edge Network
von: Xiao, Wenjing, et al.
Veröffentlicht: (2025)

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

Commute-Time-Optimised Graphs for GNNs
von: Sterner, Igor, et al.
Veröffentlicht: (2024)

Classifying Nodes in Graphs without GNNs
von: Winter, Daniel, 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)

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

Higher-Order GNNs Meet Efficiency: Sparse Sobolev Graph Neural Networks
von: Giraldo, Jhony H., et al.
Veröffentlicht: (2024)

Benchmarking Positional Encodings for GNNs and Graph Transformers
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

GSR-GNN: Training Acceleration and Memory-Saving Framework of Deep GNNs on Circuit Graph
von: Luo, Yuebo, et al.
Veröffentlicht: (2026)

Dispelling the Mirage of Progress in Offline MARL through Standardised Baselines and Evaluation
von: Formanek, Claude, et al.
Veröffentlicht: (2024)

GraphFramEx: Towards Systematic Evaluation of Explainability Methods for Graph Neural Networks
von: Amara, Kenza, et al.
Veröffentlicht: (2022)

Empowering GNNs for Domain Adaptation via Denoising Target Graph
von: Yu, Haiyang, et al.
Veröffentlicht: (2025)

Rethinking the Effectiveness of Graph Classification Datasets in Benchmarks for Assessing GNNs
von: Li, Zhengdao, et al.
Veröffentlicht: (2024)

Graph Learning at Scale: Characterizing and Optimizing Pre-Propagation GNNs
von: Yue, Zichao, et al.
Veröffentlicht: (2025)

Decouple Graph Neural Networks: Train Multiple Simple GNNs Simultaneously Instead of One
von: Zhang, Hongyuan, et al.
Veröffentlicht: (2023)

Advancing Heatwave Forecasting via Distribution Informed-Graph Neural Networks (DI-GNNs): Integrating Extreme Value Theory with GNNs
von: Chishtie, Farrukh A., et al.
Veröffentlicht: (2024)

GNNs for Time Series Anomaly Detection: An Open-Source Framework and a Critical Evaluation
von: Bello, Federico, et al.
Veröffentlicht: (2026)

Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification
von: Luo, Yuankai, et al.
Veröffentlicht: (2024)

AdaKernel: Learning Adaptive Kernel Parameters for Spatiotemporal Graph Neural Networks
von: Zhang, Zhongyue, et al.
Veröffentlicht: (2026)

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

Sharp Bounds for Poly-GNNs and the Effect of Graph Noise
von: Vinas, Luciano, et al.
Veröffentlicht: (2024)