zhang-yd

摘要： 1. 论文介绍 论文题目：Disentangled Graph Spectral Domain Adaptation 论文发表：ICML 2025 论文领域：图神经网络，非监督域适应，迁移学习 论文背景： 2. 论文摘要 分布转移和标签的缺乏阻止了图学习方法，特别是图神经网络（GNNs）的跨域推广。 阅读全文

摘要： 1. 论文介绍 论文题目：Representation Learning on Graphs with Jumping Knowledge Networks 论文领域：图神经网络 论文发表：ICML 2018 论文背景： 2. 论文摘要 最近用于图的表示学习的深度学习方法遵循邻域聚合过程。我们分析了 阅读全文

摘要： 1. 论文介绍 论文题目：Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification 论文领域：图神经网络 论文发表：NIPS 2024 论文背景： 2. 论文摘要 图变换器（GT）最近成为传统消息传递图神经 阅读全文

摘要： 1. 论文介绍 论文题目：Rethinking graph regularization for graph neural networks 论文发表：AAAI 2021 论文领域：图神经网络 论文背景： 2. 论文摘要 图的拉普拉斯正则化项通常用于半监督表示学习，以提供模型的图结构信息。然而，随着 阅读全文

摘要： 1. 论文介绍 论文题目：How Powerful are Graph Neural Networks 论文领域：图神经网络 论文发表：ICLR 2019 论文背景: 2. 论文摘要 图神经网络是一种有效的图表示学习框架。GNN遵循邻域聚合方案，通过递归聚合和变换相邻节点的表示向量来计算节点的表示向 阅读全文

摘要： 1. 论文介绍 论文题目：Can Classic GNNs Be Strong Baselines for Graph-level Tasks? Simple Architectures Meet Excellence 论文发表：ICML 2025 论文领域： 图神经网络 论文背景： 2. 背景介绍 阅读全文

摘要： 1. 论文介绍 论文名称：signSGD: compressed optimisation for non-convex problems 论文发表：ICML 2018 论文领域：分布式机器学习 2. 背景介绍 使用分布式架构来训练大型神经网络，其梯度通信消耗是一个大的瓶颈。本文的signSGD算法 阅读全文

摘要： 1，论文介绍 论文题目：Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering 论文范围：图神经网络 论文发表：NIPS，2016 我看网上都把这个叫做ChebyshevNet，那这里就把本文提出的 阅读全文

摘要： 1. 论文介绍 论文题目：FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation 论文领域：联邦学习 + 图神经网络 论文发表： ICML 2021 2. 论文贡献 1，提出了一种新的联邦学习框架，隐私 阅读全文

摘要： 1. 论文介绍 论文题目：Non-local Neural Networks. CVPR 2018. 论文领域：图像识别 2.相关工作 在传统的计算机视觉的non-local means方法的基础下，提出了non-local operation 可以捕获远距离的特征依赖。不同于卷积操作的只能逐层传递 阅读全文