論文の概要: A Clarified Typology of Core-Periphery Structure in Networks
- arxiv url: http://arxiv.org/abs/2005.10191v2
- Date: Thu, 21 May 2020 15:31:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 05:51:23.039002
- Title: A Clarified Typology of Core-Periphery Structure in Networks
- Title(参考訳): ネットワークにおけるコア周辺構造の解明
- Authors: Ryan J. Gallagher, Jean-Gabriel Young, Brooke Foucault Welles
- Abstract要約: コア周辺構造(英語版)は、ネットワークを密度の高いコアと疎い周辺に配置し、様々な社会的、生物学的、技術的ネットワークの汎用的な記述子である。
異なるコア周辺アルゴリズムは、コア周辺構造の一貫性のない記述が得られるにもかかわらず、しばしば適用される。
- 参考スコア(独自算出の注目度): 0.09208007322096533
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Core-periphery structure, the arrangement of a network into a dense core and
sparse periphery, is a versatile descriptor of various social, biological, and
technological networks. In practice, different core-periphery algorithms are
often applied interchangeably, despite the fact that they can yield
inconsistent descriptions of core-periphery structure. For example, two of the
most widely used algorithms, the k-cores decomposition and the classic
two-block model of Borgatti and Everett, extract fundamentally different
structures: the latter partitions a network into a binary hub-and-spoke layout,
while the former divides it into a layered hierarchy. We introduce a
core-periphery typology to clarify these differences, along with Bayesian
stochastic block modeling techniques to classify networks in accordance with
this typology. Empirically, we find a rich diversity of core-periphery
structure among networks. Through a detailed case study, we demonstrate the
importance of acknowledging this diversity and situating networks within the
core-periphery typology when conducting domain-specific analyses.
- Abstract(参考訳): ネットワークを密度の高いコアと疎い周辺に配置するコア周辺構造は、様々な社会的、生物学的、技術的ネットワークの汎用的な記述子である。
実際には、コア周辺構造の一貫性のない記述が得られるにもかかわらず、異なるコア周辺アルゴリズムはしばしば相互に適用される。
例えば、最も広く使われている2つのアルゴリズム、k-コア分解とボルガッティとエヴェレットの古典的な2ブロックモデルは、根本的に異なる構造を抽出している。
本稿では,これらの違いを明らかにするため,コア周辺型とベイズ確率ブロックモデルを用いてネットワークを分類する手法を提案する。
ネットワーク間のコア-周辺構造の多様性を実証的に確認する。
詳細なケーススタディを通じて、ドメイン固有解析を行う際に、コア周辺型学における多様性とネットワークの確立の重要性を実証する。
関連論文リスト
- Discriminative community detection for multiplex networks [20.810096547938166]
スペクトルクラスタリングに基づく2つの識別的コミュニティ検出アルゴリズムを提案する。
第1のアプローチは、グループ間の識別サブグラフ構造を識別することを目的としており、第2のアプローチは、識別サブグラフ構造とコンセンサスコミュニティ構造を同時に学習する。
論文 参考訳(メタデータ) (2024-09-30T14:48:45Z) - Uncovering the hidden core-periphery structure in hyperbolic networks [0.0]
双曲型ネットワークモデルは、小さな世界性、スケール自由性、高いクラスタリング係数、コミュニティ構造など、基本的で不可欠な特徴を示す。
本稿では,双曲型ネットワークモデルにおける重要な特徴であるコア周辺構造の存在について検討する。
論文 参考訳(メタデータ) (2024-06-28T14:39:21Z) - Towards Diverse Binary Segmentation via A Simple yet General Gated Network [71.19503376629083]
本稿では,バイナリセグメンテーションタスクに対処するシンプルな汎用ネットワーク(GateNet)を提案する。
多段ゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに選択的に送信することができる。
我々は,アトーラスの畳み込みを改善し,新規な折り畳み畳み畳み畳み畳み込みを形成する「Fold」操作を導入した。
論文 参考訳(メタデータ) (2023-03-18T11:26:36Z) - Rank Diminishing in Deep Neural Networks [71.03777954670323]
ニューラルネットワークのランクは、層をまたがる情報を測定する。
これは機械学習の幅広い領域にまたがる重要な構造条件の例である。
しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
論文 参考訳(メタデータ) (2022-06-13T12:03:32Z) - Unified Field Theory for Deep and Recurrent Neural Networks [56.735884560668985]
本稿では,再帰的ネットワークと深層ネットワークの両方に対する平均場理論の統一的,体系的な導出について述べる。
平均場理論への収束は、ディープネットワークよりもリカレントネットワークの方が典型的に遅い。
提案手法はガウス過程が1/n$の体系的展開の最下位次数であることを示す。
論文 参考訳(メタデータ) (2021-12-10T15:06:11Z) - Fast Topological Clustering with Wasserstein Distance [0.0]
本稿では,複雑なネットワークを複雑なトポロジでクラスタリングする,新しい,実用的なトポロジクラスタリング手法を提案する。
このようなネットワークは、そのトポロジカル構造と幾何学的構造の両方に基づいて、セントロイドベースのクラスタリング戦略によってクラスタに集約される。
提案手法は,シミュレーションネットワークと機能的脳ネットワークの両方を用いて有効であることを示した。
論文 参考訳(メタデータ) (2021-11-30T21:02:53Z) - Structure Amplification on Multi-layer Stochastic Block Models [16.53851254884497]
本稿では,複雑なネットワークに隠された構造を明らかにする一般的な構造増幅手法を提案する。
HiCODEは、隠れた機能が現れるようにランダム化することで、支配的な構造を徐々に弱める。
繰り返し還元法が隠れ構造物の発見を促進することができるという理論的証明を提供する。
論文 参考訳(メタデータ) (2021-07-31T02:11:47Z) - Learning distinct features helps, provably [98.78384185493624]
最小二乗損失で訓練された2層ニューラルネットワークによって学習された特徴の多様性について検討する。
隠蔽層の特徴間の平均的な$L$-distanceで多様性を測定する。
論文 参考訳(メタデータ) (2021-06-10T19:14:45Z) - Recent advances in deep learning theory [104.01582662336256]
本稿では,近年のディープラーニング理論の進歩をレビューし,整理する。
文献は,(1)深層学習の一般化可能性を分析する複雑性とキャパシティに基づくアプローチ,(2)勾配降下とその変種をモデル化するための微分方程式とその力学系,(3)動的システムの軌道を駆動する損失景観の幾何学的構造,(5)ネットワークアーキテクチャにおけるいくつかの特別な構造の理論的基礎,の6つのグループに分類される。
論文 参考訳(メタデータ) (2020-12-20T14:16:41Z) - Classical and quantum random-walk centrality measures in multilayer
networks [0.0]
ノードとノード層の重要性を分類することは、多層ネットワークの研究において重要な側面である。
様々な構造的特徴に応じてノードとノード層をランク付けできるような、様々な集中度尺度を計算することは一般的である。
我々は,本フレームワークを様々な合成および実世界の多層ネットワークに適用し,古典的および量子的中心性尺度の顕著な差異を同定する。
論文 参考訳(メタデータ) (2020-12-13T21:23:29Z) - Suppress and Balance: A Simple Gated Network for Salient Object
Detection [89.88222217065858]
両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。
多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。
さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
論文 参考訳(メタデータ) (2020-07-16T02:00:53Z)
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。