Fugu-MT 論文翻訳(概要): Process mining classification with a weightless neural network

論文の概要: Process mining classification with a weightless neural network

arxiv url: http://arxiv.org/abs/2009.12416v1
Date: Fri, 25 Sep 2020 19:59:42 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 22:56:51.099005
Title: Process mining classification with a weightless neural network
Title（参考訳）: 重みのないニューラルネットワークによるプロセスマイニング分類
Authors: Rafael Garcia Barbastefano and Maria Clara Lippi and Diego Carvalho
Abstract要約: 本稿では,カーネル回避のプロセスグラフフローを表現するため,網膜凝固のための簡単なグラフを提案し,プロセスマイニングのコンテキストにおいて,WiSARDが小さなトレーニングセットで分類性能に優れることを示す。
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: Using a weightless neural network architecture WiSARD we propose a straightforward graph to retina codification to represent business process graph flows avoiding kernels, and we present how WiSARD outperforms the classification performance with small training sets in the process mining context.
Abstract（参考訳）: 重みのないニューラルネットワークアーキテクチャであるWiSARDを用いて、カーネルを避けるためのビジネスプロセスグラフフローを表現するために、網膜凝固の簡単なグラフを提案し、プロセスマイニングのコンテキストにおいて、WiSARDが小さなトレーニングセットで分類性能より優れていることを示す。

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)
Embedding Graph Convolutional Networks in Recurrent Neural Networks for Predictive Monitoring [0.0]
本稿では,グラフ畳み込みネットワークとリカレントニューラルネットワークに基づくアプローチを提案する。実生活のイベントログを実験的に評価したところ、我々のアプローチはより一貫性があり、最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2021-12-17T17:30:30Z)
Training Graph Neural Networks by Graphon Estimation [2.5997274006052544]
本稿では,基礎となるネットワークデータから得られたグラフトン推定値から再サンプリングすることで,グラフニューラルネットワークをトレーニングする。我々のアプローチは競争力があり、多くの場合、他の過度にスムースなGNNトレーニング手法よりも優れています。
論文参考訳（メタデータ） (2021-09-04T19:21:48Z)
An Energy-Based View of Graph Neural Networks [0.0]
グラフニューラルネットワークは、グラフ構造化データを扱うニューラルネットワークの一般的な変種である。本稿では,特徴量と隣接行列を同時に生成するための新しい手法を提案する。本手法はロバスト性を改善しつつ,同等の判別性能を得る。
論文参考訳（メタデータ） (2021-04-27T21:54:30Z)
Local Critic Training for Model-Parallel Learning of Deep Neural Networks [94.69202357137452]
そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
論文参考訳（メタデータ） (2021-02-03T09:30:45Z)
Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
論文参考訳（メタデータ） (2020-11-14T11:09:51Z)
Stochastic Markov Gradient Descent and Training Low-Bit Neural Networks [77.34726150561087]
本稿では,量子化ニューラルネットワークのトレーニングに適用可能な離散最適化手法であるGradient Markov Descent (SMGD)を紹介する。アルゴリズム性能の理論的保証と数値的な結果の促進を提供する。
論文参考訳（メタデータ） (2020-08-25T15:48:15Z)
Ring Reservoir Neural Networks for Graphs [15.07984894938396]
貯留層コンピューティングモデルは、実りあるグラフの埋め込みを開発する上で重要な役割を果たす。我々の中心となる提案は、リングトポロジーに従うために隠れたニューロンの組織を形成することに基づいている。グラフ分類タスクの実験結果は、リング・リザーバアーキテクチャが特に効果的なネットワーク構成を可能にしていることを示している。
論文参考訳（メタデータ） (2020-05-11T17:51:40Z)
Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
論文参考訳（メタデータ） (2020-03-27T08:32:16Z)
Curriculum By Smoothing [52.08553521577014]
畳み込みニューラルネットワーク(CNN)は、画像分類、検出、セグメンテーションなどのコンピュータビジョンタスクにおいて顕著な性能を示している。アンチエイリアスフィルタやローパスフィルタを用いてCNNの機能埋め込みを円滑化するエレガントなカリキュラムベースのスキームを提案する。トレーニング中に特徴マップ内の情報量が増加するにつれて、ネットワークはデータのより優れた表現を徐々に学習することができる。
論文参考訳（メタデータ） (2020-03-03T07:27:44Z)

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。