論文の概要: Graph Neural Network Encoding for Community Detection in Attribute Networks

• arxiv url: http://arxiv.org/abs/2006.03996v2
• Date: Tue, 5 Jan 2021 08:29:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 21:25:24.115039
• Title: Graph Neural Network Encoding for Community Detection in Attribute Networks
• Title（参考訳）: 属性ネットワークにおけるコミュニティ検出のためのグラフニューラルネットワーク符号化
• Authors: Jianyong Sun and Wei Zheng and Qingfu Zhang and Zongben Xu
• Abstract要約: 複雑な属性ネットワークにおけるコミュニティ検出問題に対処するために,グラフニューラルネットワーク符号化法を提案する。 実験により、このアルゴリズムは、よく知られた進化的および非進化的アルゴリズムよりもはるかに優れた性能を示すことが示された。
• 参考スコア（独自算出の注目度）: 27.099775681534652
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we first propose a graph neural network encoding method for multiobjective evolutionary algorithm to handle the community detection problem in complex attribute networks. In the graph neural network encoding method, each edge in an attribute network is associated with a continuous variable. Through non-linear transformation, a continuous valued vector (i.e. a concatenation of the continuous variables associated with the edges) is transferred to a discrete valued community grouping solution. Further, two objective functions for single- and multi-attribute network are proposed to evaluate the attribute homogeneity of the nodes in communities, respectively. Based on the new encoding method and the two objectives, a multiobjective evolutionary algorithm (MOEA) based upon NSGA-II, termed as continuous encoding MOEA, is developed for the transformed community detection problem with continuous decision variables. Experimental results on single- and multi-attribute networks with different types show that the developed algorithm performs significantly better than some well-known evolutionary and non-evolutionary based algorithms. The fitness landscape analysis verifies that the transformed community detection problems have smoother landscapes than those of the original problems, which justifies the effectiveness of the proposed graph neural network encoding method.
• Abstract（参考訳）: 本稿では,複合属性ネットワークにおけるコミュニティ検出問題に対処する多目的進化アルゴリズムのグラフニューラルネットワーク符号化法を提案する。 本発明のグラフニューラルネットワーク符号化法は、属性ネットワークの各エッジが連続変数に関連付けられている。 非線型変換を通じて、連続値ベクトル(すなわち、エッジに関連付けられた連続変数の連結)は離散値なコミュニティ群解に変換される。 さらに,コミュニティにおけるノードの属性均質性を評価するために,単一属性ネットワークと多属性ネットワークの2つの目的関数を提案する。 新しい符号化法と2つの目的に基づいて、連続符号化MOEAと呼ばれるNSGA-IIに基づく多目的進化アルゴリズム(MOEA)が、連続決定変数を持つ変換コミュニティ検出問題に対して開発された。 異なるタイプを持つ単一属性と複数属性のネットワーク上での実験結果は、このアルゴリズムが既知の進化的および非進化的アルゴリズムよりも優れた性能を示す。 フィットネスランドスケープ解析により、変換されたコミュニティ検出問題は、元の問題よりもスムーズなランドスケープを持つことが明らかとなり、提案したグラフニューラルネットワーク符号化手法の有効性を正当化する。

関連論文リスト

• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• Degree-based stratification of nodes in Graph Neural Networks [66.17149106033126]
  グラフニューラルネットワーク(GNN)アーキテクチャを変更して,各グループのノードに対して,重み行列を個別に学習する。 このシンプルな実装変更により、データセットとGNNメソッドのパフォーマンスが改善されているようだ。
  論文  参考訳（メタデータ） (2023-12-16T14:09:23Z)
• Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
  本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。 また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
  論文  参考訳（メタデータ） (2023-08-28T12:55:13Z)
• 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)
• Multiobjective Evolutionary Pruning of Deep Neural Networks with Transfer Learning for improving their Performance and Robustness [15.29595828816055]
  本研究は,多目的進化解析アルゴリズムMO-EvoPruneDeepTLを提案する。 我々は、トランスファーラーニングを使用して、遺伝的アルゴリズムによって進化したスパース層に置き換えることで、ディープニューラルネットワークの最後の層を適応します。 実験の結果,提案手法は全ての目的に対して有望な結果が得られ,直接的な関係が示された。
  論文  参考訳（メタデータ） (2023-02-20T19:33:38Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Detecting Communities in Complex Networks using an Adaptive Genetic Algorithm and node similarity-based encoding [4.0714739042536845]
  ネットワーク分割を MST と呼ぶ個人として表現するためのノード類似性に基づく新しい符号化手法を提案する。 提案手法を用いて, 類似性に基づく手法とモジュール性最適化に基づく手法を組み合わせて, 複雑なネットワークのコミュニティを見つける。
  論文  参考訳（メタデータ） (2022-01-24T09:06:40Z)
• Transfer Learning Based Multi-Objective Evolutionary Algorithm for Community Detection of Dynamic Complex Networks [1.693830041971135]
  本稿では,伝達学習と従来の多目的進化アルゴリズムに基づく特徴伝達に基づく多目的最適化アルゴリズム(TMOGA)を提案する。 このアルゴリズムは,様々なテスト問題において,最先端の動的ネットワークコミュニティ検出アルゴリズムと比較して,より優れたクラスタリング効果が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-30T17:16:51Z)
• Cogradient Descent for Dependable Learning [64.02052988844301]
  双線形最適化問題に対処するために,CoGDアルゴリズムに基づく信頼度の高い学習法を提案する。 CoGDは、ある変数がスパーシティ制約を持つ場合の双線形問題を解くために導入された。 また、特徴と重みの関連を分解するためにも使用できるため、畳み込みニューラルネットワーク(CNN)をより良く訓練するための我々の手法をさらに一般化することができる。
  論文  参考訳（メタデータ） (2021-06-20T04:28:20Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• ImmuNetNAS: An Immune-network approach for searching Convolutional Neural Network Architectures [9.880887106904517]
  ImmuNetNASは、免疫ネットワーク理論に触発された新しいニューラルネットワーク探索(NAS)アプローチである。 ImmuNetNASのコアはオリジナルの免疫ネットワークアルゴリズムに基づいて構築されており、過剰な突然変異と選択によって人口を反復的に更新する。
  論文  参考訳（メタデータ） (2020-02-28T13:32:57Z)

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。