論文の概要: Community detection in sparse time-evolving graphs with a dynamical Bethe-Hessian

• arxiv url: http://arxiv.org/abs/2006.04510v2
• Date: Mon, 26 Oct 2020 09:17:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 17:54:38.226241
• Title: Community detection in sparse time-evolving graphs with a dynamical Bethe-Hessian
• Title（参考訳）: 動的ベーテ・ヘシアンをもつスパース時間進化グラフにおけるコミュニティ検出
• Authors: Lorenzo Dall'Amico, Romain Couillet, Nicolas Tremblay
• Abstract要約: 本稿では、コミュニティ構造が時間とともに進化するスパース力学グラフにおけるコミュニティ検出の問題について考察する。 クラスラベルの正の相関と時間進化の利点を生かしたBethe-Hessian行列の拡張に基づく高速スペクトルアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 47.82639003096941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article considers the problem of community detection in sparse dynamical graphs in which the community structure evolves over time. A fast spectral algorithm based on an extension of the Bethe-Hessian matrix is proposed, which benefits from the positive correlation in the class labels and in their temporal evolution and is designed to be applicable to any dynamical graph with a community structure. Under the dynamical degree-corrected stochastic block model, in the case of two classes of equal size, we demonstrate and support with extensive simulations that our proposed algorithm is capable of making non-trivial community reconstruction as soon as theoretically possible, thereby reaching the optimal detectability threshold and provably outperforming competing spectral methods.
• Abstract（参考訳）: 本稿では,コミュニティ構造が時間とともに進化するスパース動的グラフにおけるコミュニティ検出の問題について考察する。 そこで,bethe-hessian行列の拡張に基づく高速スペクトルアルゴリズムを提案する。このアルゴリズムはクラスラベルの正の相関と時間発展の利点を生かしており,コミュニティ構造を持つ任意の動的グラフに適用できるように設計されている。 動的次数補正確率ブロックモデルでは、等サイズの2クラスの場合、提案アルゴリズムは、理論上はできるだけ早く非自明なコミュニティ再構築が可能であり、最適な検出可能性しきい値に達し、競合するスペクトル法よりも優れた性能を持つことを示す。

関連論文リスト

• MNTD: An Efficient Dynamic Community Detector Based on Nonnegative Tensor Decomposition [3.714657619100999]
  本稿では,動的コミュニティ検出のためのモジュラリティ内非負のRESCAL分解(MNTD)モデルを提案する。 MNTDは、コミュニティ検出の精度において最先端の動的コミュニティ検出方法よりも優れている。
  論文  参考訳（メタデータ） (2024-07-26T16:17:53Z)
• Clustering Time-Evolving Networks Using the Spatio-Temporal Graph Laplacian [0.8643517734716606]
  我々は既存のスペクトルアルゴリズムを一般化し、時間変化のあるグラフ構造におけるコミュニティを特定し解析する。 テンポラル指向グラフ Laplacian は、有向および無向クラスタの時間経過に伴うクラスタ構造進化の明確な解釈を可能にすることを示す。
  論文  参考訳（メタデータ） (2024-07-12T14:31:54Z)
• Simultaneous Identification of Sparse Structures and Communities in Heterogeneous Graphical Models [8.54401530955314]
  基礎となるグラフィカルな構造を疎部分と低ランクの斜めブロックに分解する。 スパース構造とコミュニティの同定のための高速かつ効率的なアルゴリズムを用いた3段階推定手法を提案する。
  論文  参考訳（メタデータ） (2024-05-16T06:38:28Z)
• Learning Persistent Community Structures in Dynamic Networks via Topological Data Analysis [2.615648035076649]
  本稿では,コミュニティ間構造における時間的一貫性の整合性を考慮した新しいディープグラフクラスタリングフレームワークを提案する。 MFCは、ノード埋め込みを保存する行列分解に基づくディープグラフクラスタリングアルゴリズムである。 TopoRegは、時間間隔でコミュニティ間構造間のトポロジカルな類似性を維持するために導入された。
  論文  参考訳（メタデータ） (2024-01-06T11:29:19Z)
• Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
  相互依存信号のデータセットは、列が強い依存を示す行列として定義される。 ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。 ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
  論文  参考訳（メタデータ） (2022-03-29T21:00:39Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Amortized Probabilistic Detection of Communities in Graphs [39.56798207634738]
  そこで我々は,アモータイズされたコミュニティ検出のためのシンプルなフレームワークを提案する。 我々はGNNの表現力と最近のアモータイズクラスタリングの手法を組み合わせる。 我々は、合成および実データセットに関するフレームワークから、いくつかのモデルを評価する。
  論文  参考訳（メタデータ） (2020-10-29T16:18:48Z)
• A unified framework for spectral clustering in sparse graphs [47.82639003096941]
  正規化ラプラシア行列の便利なパラメータ化形式はスパースネットワークにおけるスペクトルクラスタリングに利用できることを示す。 また、この提案された行列と、現在一般的な非バックトラック行列であるベーテ・ヘッセン行列との間の重要な関係を示す。
  論文  参考訳（メタデータ） (2020-03-20T10:58:37Z)

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。