論文の概要: Community Detection on Mixture Multi-layer Networks via Regularized Tensor Decomposition

• arxiv url: http://arxiv.org/abs/2002.04457v1
• Date: Mon, 10 Feb 2020 06:19:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 09:00:01.330357
• Title: Community Detection on Mixture Multi-layer Networks via Regularized Tensor Decomposition
• Title（参考訳）: 正規化テンソル分解による混合多層ネットワークのコミュニティ検出
• Authors: Bing-Yi Jing and Ting Li and Zhongyuan Lyu and Dong Xia
• Abstract要約: マルチ層ネットワークにおけるコミュニティ検出の問題について検討し,複数のモードでノードのペアを関連付ける方法を提案する。 本稿では,ノードのグローバル/ローカルなメンバシップとレイヤのメンバシップの両方を明らかにするためのテンソルベースアルゴリズム(TWIST)を提案する。
• 参考スコア（独自算出の注目度）: 12.244594819580831
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of community detection in multi-layer networks, where pairs of nodes can be related in multiple modalities. We introduce a general framework, i.e., mixture multi-layer stochastic block model (MMSBM), which includes many earlier models as special cases. We propose a tensor-based algorithm (TWIST) to reveal both global/local memberships of nodes, and memberships of layers. We show that the TWIST procedure can accurately detect the communities with small misclassification error as the number of nodes and/or the number of layers increases. Numerical studies confirm our theoretical findings. To our best knowledge, this is the first systematic study on the mixture multi-layer networks using tensor decomposition. The method is applied to two real datasets: worldwide trading networks and malaria parasite genes networks, yielding new and interesting findings.
• Abstract（参考訳）: マルチ層ネットワークにおけるコミュニティ検出の問題について検討し,複数のモードでノードのペアを関連付ける方法を提案する。 本稿では,汎用フレームワークである混合多層確率ブロックモデル(mmsbm)について紹介する。 ノードのグローバル/ローカルなメンバシップとレイヤのメンバシップの両方を明らかにするためのテンソルベースアルゴリズム(TWIST)を提案する。 ノード数や層数が増加するにつれて,TWIST は誤分類誤差の少ないコミュニティを正確に検出できることを示す。 数値研究は我々の理論的知見を裏付ける。 我々の知る限り、これはテンソル分解を用いた混合多層ネットワークに関する最初の体系的研究である。 この手法は、世界の取引ネットワークとマラリア寄生虫遺伝子ネットワークの2つの実際のデータセットに適用され、新たな興味深い発見をもたらす。

関連論文リスト

• Estimating mixed memberships in multi-layer networks [0.0]
  多層ネットワークにおけるコミュニティ検出は、現代のネットワーク分析の重要な領域として現れてきた。 多層混合メンバシップブロックモデルにおける共通混合メンバシップを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-05T07:02:10Z)
• Community detection in multiplex networks based on orthogonal nonnegative matrix tri-factorization [26.53951886710295]
  我々は,各層に共通するコミュニティと,各層に固有のコミュニティを識別する,新しい多重化コミュニティ検出手法を導入する。 提案アルゴリズムは, 合成および実多重化の両方で評価し, 最先端技術と比較した。
  論文  参考訳（メタデータ） (2022-05-02T02:33:15Z)
• LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
  本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。 フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
  論文  参考訳（メタデータ） (2021-03-01T03:10:11Z)
• Gaussian Mixture Graphical Lasso with Application to Edge Detection in Brain Networks [21.49394455839253]
  この作品はLatent DirichletAllocation (LDA)にインスパイアされたものです。 GaussianMixture Graphical Lasso (MGL) という新しいモデルを提案する。 mglは、各混合成分が生成する信号の比率とそれらのパラメータをemフレームワークを介して反復的に学習する。
  論文  参考訳（メタデータ） (2021-01-13T21:15:30Z)
• Global and Individualized Community Detection in Inhomogeneous Multilayer Networks [14.191073951237772]
  ネットワークアプリケーションでは、同じ主題の集合上で観測される複数のネットワークの形でデータセットを取得することがますます一般的になっている。 このようなデータセットは、各レイヤが別々のネットワーク自身であるマルチレイヤネットワークによってモデル化され、異なるレイヤが関連付けられ、共通の情報を共有することができる。 本稿では,非均質な多層ネットワークモデルを用いたスタイリングによるコミュニティ検出について検討する。
  論文  参考訳（メタデータ） (2020-12-02T02:42:52Z)
• Understanding Self-supervised Learning with Dual Deep Networks [74.92916579635336]
  本稿では,2組の深層ReLUネットワークを用いたコントラスト型自己教師学習(SSL)手法を理解するための新しい枠組みを提案する。 種々の損失関数を持つSimCLRの各SGD更新において、各層の重みは共分散演算子によって更新されることを示す。 共分散演算子の役割と、そのようなプロセスでどのような特徴が学習されるかをさらに研究するために、我々は、階層的潜在木モデル(HLTM)を用いて、データ生成および増大過程をモデル化する。
  論文  参考訳（メタデータ） (2020-10-01T17:51:49Z)
• A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network Representation Learning [52.83948119677194]
  大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。 具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。 提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
  論文  参考訳（メタデータ） (2020-07-19T22:50:20Z)
• M2Net: Multi-modal Multi-channel Network for Overall Survival Time Prediction of Brain Tumor Patients [151.4352001822956]
  生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。 既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。 我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-01T05:21:37Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)
• Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
  本稿では,不対向画像分割のための新しい学習手法を提案する。 提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。 我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2020-01-06T20:03:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。