Zobrazeno 1 - 3
of 3
pro vyhledávání: '"Möllers, Alexander"'
Graph contrastive learning has shown great promise when labeled data is scarce, but large unlabeled datasets are available. However, it often does not take uncertainty estimation into account. We show that a variational Bayesian neural network approa
Externí odkaz:
http://arxiv.org/abs/2312.00232
Simplicial complexes prove effective in modeling data with multiway dependencies, such as data defined along the edges of networks or within other higher-order structures. Their spectrum can be decomposed into three interpretable subspaces via the Ho
Externí odkaz:
http://arxiv.org/abs/2309.07364
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.