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 bibliografia

Vydané v:	Neurocomputing (Amsterdam) Ročník 541; s. 126235
Hlavní autori:	Liang, Huidong, Gao, Junbin
Médium:	Journal Article
Jazyk:	English
Vydavateľské údaje:	Elsevier B.V 07.07.2023
Predmet:	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 prístup:	Získať plný text
Tagy:	Pridať tag Žiadne tagy, Buďte prvý, kto otaguje tento záznam!