1、Heterogeneous Graph Masked Autoencoders
Yijun Tian, Kaiwen Dong, Chunhui Zhang, Chuxu Zhang, Nitesh V. Chawla
https://arxiv.org/pdf/2208.09957
生成式自监督学习(SSL)，特别是带掩码自编码器已经成为最令人兴奋的学习范式之一，并且在图学习方面显示出巨大的潜力。但是现实世界的图总是异构的，这带来了三个关键的挑战，现有的方法忽略了:
- 如何捕获复杂的图结构?
- 如何整合各种节点属性?
- 如何编码不同的节点位置?
这篇论文研究了异构图上的SSL的问题，并提出了一种新的异构图掩码自编码器模型HGMAE来解决这些问题。HGMAE通过两种创新的掩码技术和三种独特的训练策略捕捉全面的图信息。论文通过大量的实验证明，在跨多个数据集的多个任务上，HGMAE优于对比和最先进的基线。
2、Federated Self-Supervised Contrastive Learning and Masked Autoencoder for Dermatological Disease Diagnosis
Yawen Wu, Dewen Zeng, Zhepeng Wang, Yi Sheng, Lei Yang, Alaina J. James, Yiyu Shi, Jingtong Hu
完整文章：
https://avoid.overfit.cn/post/097b5f48893f462a847fa23dacb91bcc
标签：异构,编码器,论文,MAE,Masked,掩码 From： https://www.cnblogs.com/deephub/p/16768312.html