Wasserstein Adversarially Regularized Graph Autoencoder

•Application of Wasserstein distance under graph settings.•Using Wasserstein distance for node embedding regularization.•Applying weight clipping and gradient penalty approaches for Lipschitz continuity.•Comparison of regularization against KL divergence and adversarial methods.•Detailed experiment...

Celý popis

Podrobná bibliografie

Vydáno v:	Neurocomputing (Amsterdam) Ročník 541; s. 126235
Hlavní autoři:	Liang, Huidong, Gao, Junbin
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 07.07.2023
Témata:	Adversarial training Graph neural networks Variational autoencoder Wasserstein distance Variational autoencoder Wasserstein distance Graph neural networks Adversarial training 00–01 99–00
ISSN:	0925-2312, 1872-8286
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!