論文の概要: Graph model overview, events scales structure and chains of events
- arxiv url: http://arxiv.org/abs/2007.06035v1
- Date: Sun, 12 Jul 2020 16:42:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 06:28:53.783626
- Title: Graph model overview, events scales structure and chains of events
- Title（参考訳）: グラフモデルの概要、イベントはイベントの構造と連鎖をスケールする
- Authors: D. Pugliese
- Abstract要約: 時空に対する背景に依存しないリレーショナルアプローチのためのグラフモデルを提案する。
グラフカラーリングは、単色(均一ループ)または多色(均一ループ)が可能なグラフ頂点(イベント)のクラスタ内のグラフ構造を決定する。
異なるスケール(状態)における自己相似特性を持つ現生構造
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a graph model for a background independent, relational approach to
spacetime emergence. The general idea and the graph main features, detailed in
[1], are discussed. This is a combinatorial (dynamical) metric graph, colored
on vertexes, endowed with a classical distribution of colors probability on the
graph vertexes. The graph coloring determines the graph structure in clusters
of graph vertices (events) that can be monochromatic (homogeneous loops) or
polychromatic (inhomogeneous loops). The probability is conserved after the
graph conformal expansion from an initial seed graph state to higher
(conformally expanded) graph states. The emerging structure has self-similar
characteristics on different scales (states). From the coloring, different
levels of vertices and thus graph levels arise as new aggregates of colored
vertices. In this second (derived) graphs level, the derived graph vertices
correspond to the polychromatic edges (with differently colored vertices) of
the initial graph. Vertex aggregates are related, as some levels (graph states)
to plexors and twistors (involving Clifford statistics). Two metric levels are
defined on the colored graph, the first level is a natural metric defined on
the graph, the second level emerges from the first and related, due to
symmetries. Metric structure reflects the graph colored structure under
conformal transformations evolving with its states under conformal expansion.
In some special cases vertices/events chains could be related to strings
generalizations.
- Abstract（参考訳）: 我々は,時空出現に対する背景独立な関係論的アプローチのためのグラフモデルを提案する。
[1]で詳述された一般的な考えとグラフの主な特徴について論じる。
これは、頂点上で色づけられた組合せ(力学)計量グラフであり、グラフ頂点上での色確率の古典的な分布が与えられる。
グラフ色付けは、単色(均質なループ)または多色(不均一なループ)であるグラフ頂点(イベント)のクラスタ内のグラフ構造を決定する。
確率は、初期シードグラフ状態からより高い(形式的に拡張された)グラフ状態へのグラフ共形展開後に保存される。
出現する構造は、異なるスケール(状態)で自己相似性を有する。
色付けから、異なる頂点レベル、すなわちグラフレベルが、新しい色の頂点の集合として生じる。
この2番目の(派生した)グラフレベルでは、導出グラフ頂点は初期グラフの多彩色エッジ(異なる色の頂点)に対応する。
頂点集合は、いくつかのレベル(グラフ状態)がプレクターやツイスター(クリフォード統計を含む)と関係している。
色付きグラフ上で2つの計量レベルが定義され、第1のレベルがグラフ上で定義された自然な計量であり、第2のレベルが第1のレベルから出現する。
計量構造は共形変換の下でグラフ色構造を反映し、その状態は共形拡大の下で進化する。
いくつかの特別なケースでは、頂点/事象連鎖は文字列の一般化と関連づけられる。
関連論文リスト
- Graphons of Line Graphs [6.822247359790484]
スパースグラフのサブセットに光を放つ簡単な方法を示す。
グラフが特定の性質を満たすことを示し、この2次性質はスパースであるが、密度の高い線グラフをもたらす。
特に、星グラフは、密度の高い直線グラフと直線グラフのゼロでないグラフを生じる2次特性を満たす。
論文 参考訳（メタデータ） (2024-09-03T06:50:03Z) - CKGConv: General Graph Convolution with Continuous Kernels [24.58050212186722]
グラフ位置符号化によって導出される疑似座標の連続関数としてカーネルをパラメータ化することで、新しい一般的なグラフ畳み込みフレームワークを提案する。
このContinuous Kernel Graph Convolution(CKGConv)と名付けます。
CKGConvベースのネットワークは、既存のグラフ畳み込みネットワークよりも優れており、様々なグラフデータセットで最高のグラフ変換器と互換性があることを示す。
論文 参考訳（メタデータ） (2024-04-21T10:26:13Z) - Finding the Missing-half: Graph Complementary Learning for
Homophily-prone and Heterophily-prone Graphs [48.79929516665371]
ホモフィリーなエッジを持つグラフは、同じクラスでノードを接続する傾向がある。
ヘテロフィ的傾向のあるエッジは、異なるクラスを持つノード間の関係を構築する傾向がある。
既存のGNNはトレーニング中にオリジナルのグラフのみを取る。
論文 参考訳（メタデータ） (2023-06-13T08:06:10Z) - Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。
近年の研究では、グラフ表現学習における事前学習の有用性が示されている。
本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
論文 参考訳（メタデータ） (2023-02-06T16:26:29Z) - A Graph Convolution for Signed Directed Graphs [0.0]
署名付き有向グラフのグラフ畳み込みはまだ多くは提供されていない。
複素数を介してグラフ情報を符号化する複素エルミート隣接行列を提案する。
私たちの知る限りでは、これは標識のあるグラフに対する初めてのスペクトル畳み込みである。
論文 参考訳（メタデータ） (2022-08-23T01:58:35Z) - Explanation Graph Generation via Pre-trained Language Models: An
Empirical Study with Contrastive Learning [84.35102534158621]
エンドツーエンドで説明グラフを生成する事前学習言語モデルについて検討する。
本稿では,ノードとエッジの編集操作によるグラフ摂動の簡易かつ効果的な方法を提案する。
提案手法は,説明グラフの構造的精度と意味的精度を両立させる。
論文 参考訳（メタデータ） (2022-04-11T00:58:27Z) - G-Mixup: Graph Data Augmentation for Graph Classification [55.63157775049443]
Mixupは、2つのランダムサンプル間の特徴とラベルを補間することにより、ニューラルネットワークの一般化とロバスト性を改善する上で優位性を示している。
グラフ分類のためのグラフを増補するために$mathcalG$-Mixupを提案し、グラフの異なるクラスのジェネレータ(すなわちグラフ)を補間する。
実験により、$mathcalG$-MixupはGNNの一般化とロバスト性を大幅に改善することが示された。
論文 参考訳（メタデータ） (2022-02-15T04:09:44Z) - Some Algorithms on Exact, Approximate and Error-Tolerant Graph Matching [3.655021726150369]
我々は、様々な正確かつ不正確なグラフマッチング技術の広範な調査を紹介します。
グラフマッチングアルゴリズムのカテゴリが提示され、重要でないノードを除去することでグラフのサイズを小さくする。
幾何グラフを用いたグラフ類似度測定の新しい手法を提案する。
論文 参考訳（メタデータ） (2020-12-30T18:51:06Z) - Factorizable Graph Convolutional Networks [90.59836684458905]
本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。
FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。
提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
論文 参考訳（メタデータ） (2020-10-12T03:01:40Z) - Graph Pooling with Node Proximity for Hierarchical Representation
Learning [80.62181998314547]
本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。
その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
論文 参考訳（メタデータ） (2020-06-19T13:09:44Z)
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。