論文の概要: Evolutionary Multi Objective Optimization Algorithm for Community
Detection in Complex Social Networks
- arxiv url: http://arxiv.org/abs/2005.03181v1
- Date: Thu, 7 May 2020 00:13:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 23:24:43.788149
- Title: Evolutionary Multi Objective Optimization Algorithm for Community
Detection in Complex Social Networks
- Title（参考訳）: 複雑なソーシャルネットワークにおけるコミュニティ検出のための進化的多目的最適化アルゴリズム
- Authors: Shaik Tanveer ul Huq, Vadlamani Ravi and Kalyanmoy Deb
- Abstract要約: ネットワーク内のコミュニティ構造を見つけるために,3目的の定式化の2つのバリエーションを提案する。
4つのベンチマークネットワークデータセットで実験を行う。
- 参考スコア（独自算出の注目度）: 10.855626765597005
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Most optimization-based community detection approaches formulate the problem
in a single or bi-objective framework. In this paper, we propose two variants
of a three-objective formulation using a customized non-dominated sorting
genetic algorithm III (NSGA-III) to find community structures in a network. In
the first variant, named NSGA-III-KRM, we considered Kernel k means, Ratio cut,
and Modularity, as the three objectives, whereas the second variant, named
NSGA-III-CCM, considers Community score, Community fitness and Modularity, as
three objective functions. Experiments are conducted on four benchmark network
datasets. Comparison with state-of-the-art approaches along with
decomposition-based multi-objective evolutionary algorithm variants (MOEA/D-KRM
and MOEA/D-CCM) indicates that the proposed variants yield comparable or better
results. This is particularly significant because the addition of the third
objective does not worsen the results of the other two objectives. We also
propose a simple method to rank the Pareto solutions so obtained by proposing a
new measure, namely the ratio of the hyper-volume and inverted generational
distance (IGD). The higher the ratio, the better is the Pareto set. This
strategy is particularly useful in the absence of empirical attainment function
in the multi-objective framework, where the number of objectives is more than
two.
- Abstract（参考訳）: ほとんどの最適化ベースのコミュニティ検出アプローチは、単一または双方向のフレームワークで問題を定式化する。
本稿では,nsga-iii(non-dominated sorting genetic algorithm iii, nga-iii)を用いて,ネットワーク内のコミュニティ構造を同定する手法を提案する。
NSGA-III-KRMと命名された第1変種では、カーネルkは3つの目的としてRatio Cut、Modularityを、第2変種はNSGA-III-CCMは3つの目的関数として、コミュニティスコア、コミュニティ適合度、モジュラリティを考察した。
4つのベンチマークネットワークデータセットで実験を行う。
分解に基づく多目的進化アルゴリズムの変種(MOEA/D-KRMとMOEA/D-CCM)と比較すると、提案された変種は同等またはより良い結果が得られる。
これは第3の目的の追加が他の2つの目的の結果を悪化させることはないため、特に重要である。
また,超容積と逆世代距離(igd)の比率という新しい尺度を提案し,パレート解をランク付けする簡単な方法を提案する。
比率が高ければ高いほど、パレート集合は良くなる。
この戦略は、目的の数が2つを超える多目的フレームワークにおける経験的達成機能がない場合に特に有用である。
関連論文リスト
- Decoding-Time Language Model Alignment with Multiple Objectives [116.42095026960598]
既存の手法は主に、1つの報酬関数に対してLMを最適化することに集中し、それらの適応性は様々な目的に制限される。
本稿では,予測の線形結合から次のトークンを出力する復号時間アルゴリズムである$textbfmulti-objective decoding (MOD)$を提案する。
提案手法は, 自然条件下であっても, 既存のアプローチが準最適であることを示すとともに, 提案手法の最適性を保証する。
論文 参考訳（メタデータ） (2024-06-27T02:46:30Z) - Continuous Cartesian Genetic Programming based representation for
Multi-Objective Neural Architecture Search [12.545742558041583]
我々は、より複雑で高効率な畳み込みニューラルネットワーク(CNN)を設計するための新しいアプローチを提案する。
我々のアプローチは、ニューラルネットワーク探索(NAS)のためのカルテシアン遺伝的プログラミング(CGP)に基づく実ベースCNNとブロックチェーンCNNの表現を組み合わせたものである。
それらが考慮する探索空間の粒度が異なる2つの変種が導入された。
論文 参考訳（メタデータ） (2023-06-05T07:32:47Z) - Class Anchor Margin Loss for Content-Based Image Retrieval [97.81742911657497]
距離学習パラダイムに該当する新しいレペラ・トラクタ損失を提案するが、ペアを生成する必要がなく、直接L2メトリックに最適化する。
CBIRタスクにおいて,畳み込みアーキテクチャと変圧器アーキテクチャの両方を用いて,少数ショットおよびフルセットトレーニングの文脈で提案した目的を評価する。
論文 参考訳（メタデータ） (2023-06-01T12:53:10Z) - HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel
Neural Architecture Search [104.45426861115972]
設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。
我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。
6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
論文 参考訳（メタデータ） (2023-04-23T17:27:40Z) - Runtime Analysis for the NSGA-II: Proving, Quantifying, and Explaining
the Inefficiency For Many Objectives [16.904475483445452]
NSGA-IIは多目的最適化問題を解く最も顕著なアルゴリズムの1つである。
NSGA-IIは多数の目的に対して効果が低いことを示す。
論文 参考訳（メタデータ） (2022-11-23T16:15:26Z) - A Mathematical Runtime Analysis of the Non-dominated Sorting Genetic
Algorithm III (NSGA-III) [9.853329403413701]
NSGA-II (Non-Maninated Sorting Genetic Algorithm II) は、実世界の応用において最も顕著な多目的進化アルゴリズムである。
NSGA-IIIは2つ以上の目的をうまく扱うことを目的としたNSGA-IIの改良である。
論文 参考訳（メタデータ） (2022-11-15T15:10:36Z) - Shape-constrained Symbolic Regression with NSGA-III [0.0]
形状制約付き記号回帰(SCSR)は、事前知識をデータベースモデリングに組み込むことができる。
本稿では,近似誤差を最小化し,制約違反を最小化するための準線形手法を提案する。
2つのアルゴリズム NSGA-II と NSGA-III が実装され、モデル品質と実行時間で比較される。
論文 参考訳（メタデータ） (2022-09-28T06:10:34Z) - GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector [156.43671738038657]
本稿では,GCoNet+と呼ばれる新しいグループ協調学習ネットワークを提案する。
GCoNet+は自然界における共存対象を効果的かつ効率的に識別することができる。
論文 参考訳（メタデータ） (2022-05-30T23:49:19Z) - PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object
Detection [57.49788100647103]
LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。
現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。
本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
論文 参考訳（メタデータ） (2020-12-18T18:06:43Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳（メタデータ） (2020-08-19T06:02:46Z) - Evolutionary Multi-Objective Optimization Framework for Mining
Association Rules [5.010425616264462]
トランザクションデータセットから関連ルールを見つけるために,2つの多目的最適化フレームワークを提案する。
第1のフレームワークは非支配的ソート遺伝アルゴリズムIII(NSGA-III)、第2のフレームワークは分解に基づく多目的進化アルゴリズム(MOEA/D)を使用する。
我々の研究は、NSGA-III-ARMフレームワークがMOEAD-ARMフレームワークより優れていることを示唆している。
論文 参考訳（メタデータ） (2020-03-20T09:27:53Z)
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。