Evaluating Robustness and Uncertainty of Graph Models Under Structural Distributional Shifts

G. Bazhenov; Kuznedelev D.; Malinin A.; A. Babenko; Prokhorenkova L.

Публикации

?

Evaluating Robustness and Uncertainty of Graph Models Under Structural Distributional Shifts

P. 75567–75594.

Баженов Г. В., Kuznedelev D., Malinin A., Бабенко А. В., Prokhorenkova L.

Язык: английский

Текст на другом сайте

Ключевые слова: robustness graph neural networks graph machine learning benchmark uncertainty estimation

В книге

Advances in Neural Information Processing Systems 36 (NeurIPS 2023)

Curran Associates, Inc., 2023.

On Calculation of Robustness and Stability of Formal Concepts Based on Delta Measure

Parkhomenko V., Куликова С. П., Бузмаков А. В., Lobachevskii Journal of Mathematics 2026 Vol. 47 No. 6 P. 2979–2992

Добавлено: 14 октября 2026 г.

Lightweight Image Pre-processing Model for Improving Segmentation of Infrared Human Eye Images

Aleksei Samarin, Aleksei Toropov, Kotenko E. и др., , in: Proceedings of the 37th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 14-16 May 2025, Issue 1 (Full Papers)Vol. 37.: Helsinki: FRUCT Oy, 2025. P. 271–277.

Добавлено: 19 сентября 2026 г.

Local Fault-Tolerant Routing in 3D Mesh NoCs using Single-Hop Rollback

Edward R. Rzaev, Aleksandr Y. Romanov, Andrey M. Sukhov, IEEE Access 2026 Vol. 14 P. 112184–112201

Добавлено: 23 июля 2026 г.

RussianSuperGLUE: A Russian Language Understanding Evaluation Benchmark

Shavrina T., Феногенова А. С., Emelyanov A. и др., , in: Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP).: Association for Computational Linguistics, 2020. P. 4717–4726.

Добавлено: 14 июня 2026 г.

HoTPP benchmark: Are we good at the long horizon events forecasting?

Karpukhin I., Шипилов Ф. А., Савченко А. В., Neurocomputing 2026 Vol. 672 Article 132771

Добавлено: 25 февраля 2026 г.

Multimodal graph, surface, and language-based model for protein protein interaction prediction

Артеага Мореано Б. Д., Червов Н. Р., Попцова М. С., Scientific Reports 2026 Vol. 16 No. 1 Article 4772

Добавлено: 4 февраля 2026 г.

Investigating the analytical robustness of the social and behavioural sciences

Aczel B., Szaszi B., Clelland H. и др., Nature 2026 Vol. 652 P. 135–142

Добавлено: 27 января 2026 г.

ComputAgeBench: Epigenetic Aging Clocks Benchmark

Kriukov D., Efimov E., Kuzmina E. и др., , in: KDD '25: Proceedings of the 31th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. Volume 2.: Association for Computing Machinery (ACM), 2025. P. 5560–5570.

Добавлено: 12 января 2026 г.

Refrigerant Leak Detection in Data Centers Using Topologically Determined Graph Neural Networks

Ivanov S., Borisov V., Али С. и др., , in: 2025 IEEE XVII International Scientific and Technical Conference on Actual Problems of Electronic Instrument Engineering (APEIE).: IEEE, 2025. Ch. 127 P. 1–7.

Добавлено: 19 декабря 2025 г.

Screen-Cam Imitation Module for Improving Data Hiding Robustness

Джанашиа К. М., Aleksandr Fedosov, Oleg Evsutin, Sensors 2025 Vol. 25 No. 23 Article 7726

Добавлено: 28 ноября 2025 г.

Navigating Partial UMLS Terminology: GAT Embeddings and Confidence Analysis for Multilingual Concept Linking

Albina Burlova, CEUR Workshop Proceedings 2025 Vol. 4038 P. 198–205

Добавлено: 10 ноября 2025 г.

GraphLand: Evaluating Graph Machine Learning Models on Diverse Industrial Data

Баженов Г. В., Платонов О. А., Прохоренкова Л. А., , in: 39th Conference on Neural Information Processing Systems (NeurIPS 2025).: NeurIPS, 2025.

Добавлено: 6 ноября 2025 г.

Ultra Fast Warm Start Solution for Graph Recommendations

Юсупов В. А., Рахуба М. В., Фролов Е. П., , in: CIKM '25: Proceedings of the 34rd ACM International Conference on Information and Knowledge Management.: ACM, 2025. Ch. 1 P. 5469–5473.

В этой работе мы представляем быстрый и эффективный линейный подход к обновлению рекомендаций в масштабируемой графовой рекомендательной системе UltraGCN. Решение этой задачи чрезвычайно важно для поддержания актуальности рекомендаций в условиях большого объема новых данных и меняющихся предпочтений пользователей. Чтобы решить эту проблему, мы адаптируем простой, но эффективный подход к низкоранговой аппроксимации в графовой модели. Наш ...

Добавлено: 3 октября 2025 г.

Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions: 34th International Conference on Artificial Neural Networks, Kaunas, Lithuania, September 9–12, 2025, Proceedings, Part V

Cham: Springer, 2025.

Добавлено: 29 сентября 2025 г.

Dynamic Robustification of Trading Management Strategies for Unstable Immersion Environments

Musaev A., Makshanov A., Dmitry Grigoriev, Montenegrin Journal of Economics 2023 Vol. 19 No. 1 P. 19–30

Добавлено: 11 июля 2025 г.

Evaluating the Pragmatic Competence of Large Language Models in Detecting Mitigated and Unmitigated Types of Disagreement

Шульгинов В. А., Hasan Berkcan Şimşek, Sergei Kudriashov и др., , in: Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialogue” (2025)Issue 23.: [б.и.], 2025. P. 345–360.

В настоящем исследовании представлена методика оценки эффективности больших языковых моделей (БЯМ) в области выявления несогласия, включая широкий диапазон стратегий его выражения — от смягченных форм до явной вербальной агрессии. Особое внимание уделяется сложным случаям имплицитных проявлений иронии и сарказма, представляющим значительные трудности как для автоматического анализа, так и для межличностного общения. Экспериментальное тестирование БЯМ проводилось ...

Добавлено: 30 апреля 2025 г.

Bi-objective Workflow Scheduling in the Cloud: What is the Real State-of-the-Art?

Yury Semenov, Oleg Sukhoroslov, , in: Supercomputing. 10th Russian Supercomputing Days, RuSCDays 2024, Moscow, Russia, September 23–24, 2024, Revised Selected Papers, Part II* 2.: Springer, 2025. P. 20–31.

Добавлено: 25 апреля 2025 г.