Fugu-MT 論文翻訳(概要): Detectability of hierarchical communities in networks

論文の概要: Detectability of hierarchical communities in networks

arxiv url: http://arxiv.org/abs/2009.07525v1
Date: Wed, 16 Sep 2020 07:44:27 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 23:37:56.040929
Title: Detectability of hierarchical communities in networks
Title（参考訳）: ネットワークにおける階層的コミュニティの検出可能性
Authors: Leto Peel and Michael T. Schaub
Abstract要約: 階層的な設定では、複数の一貫したパーティションの存在が検出を妨げたり妨げたりする、追加のフェーズが存在することを示す。したがって、非階層的分割に対する検出可能性限界は、典型的には完全な階層構造の検出可能性に関する不十分な情報を提供する。
参考スコア（独自算出の注目度）: 2.360534864805446
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the problem of recovering a planted hierarchy of partitions in a network. The detectability of a single planted partition has previously been analysed in detail and a phase transition has been identified below which the partition cannot be detected. Here we show that, in the hierarchical setting, there exist additional phases in which the presence of multiple consistent partitions can either help or hinder detection. Accordingly, the detectability limit for non-hierarchical partitions typically provides insufficient information about the detectability of the complete hierarchical structure, as we highlight with several constructive examples.
Abstract（参考訳）: 本研究では,ネットワーク内の分割の植込み階層を復元する問題について検討する。単一の植被分割の検出性は以前にも詳細に解析されており、その分割を検出できない下では相転移が特定されている。ここで、階層的な設定では、複数の一貫性のある分割の存在が検出を助長するか妨害する追加のフェーズが存在することを示す。したがって、非階層的な分割に対する検出可能性の限界は、通常、完全な階層構造の検出可能性に関する不十分な情報を提供する。

関連論文リスト

Multilevel Verification on a Single Digital Decentralized Distributed (DDD) Ledger [0.0]
通常のDDD台帳では、単一のレベルの検証しか利用できない。階層が自然に現れるシステムでは、ソリューションに階層を組み込むことで、より良いソリューションを思いつくことができます。本論文は,これらすべての問題に対処し,任意の時刻におけるシステムの状態とシステム障害の確率をトレースするロードマップを提供する。
論文参考訳（メタデータ） (2024-09-03T08:47:08Z)
Verifying Hierarchic Multipartite and Network Nonlocalities with a Unified Method [1.1510009152620668]
マルチパーティ非局所性は、量子力学の基本的特徴に関する深い洞察を与える。多部相関系の全ての量子特性を包含する統一的アプローチを提案する。
論文参考訳（メタデータ） (2024-06-21T02:23:43Z)
HEAP: Unsupervised Object Discovery and Localization with Contrastive Grouping [29.678756772610797]
教師なしオブジェクトの発見と位置決めは、監督なしで画像内のオブジェクトを検出し、セグメント化することを目的としている。近年の取り組みは、自己監督型トランスフォーマー機能を利用して、有能な前景物体を識別する顕著な可能性を実証している。これらの問題に対処するために、Herarchical mErging framework via contrAstive grouPing (HEAP) を紹介する。
論文参考訳（メタデータ） (2023-12-29T06:46:37Z)
Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
論文参考訳（メタデータ） (2023-11-19T09:41:10Z)
Overhead Line Defect Recognition Based on Unsupervised Semantic Segmentation [8.672676348736834]
オーバーヘッドラインインスペクションは、可視光画像を用いた欠陥認識の恩恵が大きい。本稿では,Faster RCNNネットワーク上に構築された新しい欠陥認識フレームワークを提案する。
論文参考訳（メタデータ） (2023-11-02T03:52:59Z)
Generative models for two-ground-truth partitions in networks [0.0]
クロスブロックモデルは、単一のベンチマークネットワークのメソスケール構造に2つの異なるパーティションを構築することができる。本稿では,ブロックモデルのパワーを指標として,両コミュニティとコア周辺構造の存在を暗黙的に検出することで,ベンチマークモデルのユースケースを実証する。我々の発見は、ほとんどのケースにおいて、他のパーティションが存在する場合でも、何らかの方法で、支配的な構造を検出できるのは1つだけであることを示唆している。
論文参考訳（メタデータ） (2023-02-06T14:02:28Z)
A Closer Look at Branch Classifiers of Multi-exit Architectures [103.27533521196817]
一定の複雑さのブランチはすべてのブランチを同じに保ちますが、複雑性の増大と複雑性の低下は、それぞれバックボーンの遅かれ早かれ複雑なブランチを配置します。知識の整合性を利用して,背骨に枝を追加する効果を探索する。以上の結果から,複雑性が増大する分岐は,背骨の特徴的抽象的階層を最小限に破壊することが明らかとなった。
論文参考訳（メタデータ） (2022-04-28T08:37:25Z)
Temporal Perceiver: A General Architecture for Arbitrary Boundary Detection [48.33132632418303]
ジェネリック境界検出(GBD)は、動画をセマンティック・コヒーレントと分類なしの単位に分割する一般的な境界を特定することを目的としている。従来の研究では、単純なCNNからLSTMまでの複雑なディープネットワークの設計で、これらの異なるレベルの汎用境界を別々に扱っていた。本稿では,Transformer を用いた汎用アーキテクチャである Temporal Perceiver について述べる。
論文参考訳（メタデータ） (2022-03-01T09:31:30Z)
Unsupervised Out-of-Domain Detection via Pre-trained Transformers [56.689635664358256]
ドメイン外の入力は予測不能なアウトプットを引き起こし、時には破滅的な安全性の問題を引き起こす。本研究は、教師なしのドメイン内データのみを用いて、ドメイン外サンプルを検出する問題に対処する。検出精度を高めるために、ドメイン固有の2つの微調整手法が提案されている。
論文参考訳（メタデータ） (2021-06-02T05:21:25Z)
Multi-attentional Deepfake Detection [79.80308897734491]
ディープフェイクによる顔の偽造はインターネットに広まり、深刻な社会的懸念を引き起こしている。新たなマルチアテンテーショナルディープフェイク検出ネットワークを提案する。具体的には,1)ネットワークを異なる局所的部分へ配置するための複数の空間的注意ヘッド,2)浅い特徴の微妙なアーティファクトをズームするテクスチャ的特徴拡張ブロック,3)低レベルなテクスチャ特徴と高レベルなセマンティクス特徴をアグリゲートする,の3つの構成要素からなる。
論文参考訳（メタデータ） (2021-03-03T13:56:14Z)
Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。