論文の概要: DSLib: An open source library for the dominant set clustering method

• arxiv url: http://arxiv.org/abs/2010.07906v1
• Date: Thu, 15 Oct 2020 17:36:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 05:30:59.478553
• Title: DSLib: An open source library for the dominant set clustering method
• Title（参考訳）: dslib: 支配的な集合クラスタリング方法のためのオープンソースライブラリ
• Authors: Sebastiano Vascon, Samuel Rota Bul\`o, Vittorio Murino, Marcello Pelillo
• Abstract要約: DSLib は、完全に Matlab で記述された Dominant Set (DS) クラスタリングアルゴリズムのオープンソース実装である。 DS法は、進化ゲーム理論に根ざしたグラフベースのクラスタリング手法であり、コンピュータ科学コミュニティで多くの関心を集め始めている。
• 参考スコア（独自算出の注目度）: 32.98501095385102
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: DSLib is an open-source implementation of the Dominant Set (DS) clustering algorithm written entirely in Matlab. The DS method is a graph-based clustering technique rooted in the evolutionary game theory that starts gaining lots of interest in the computer science community. Thanks to its duality with game theory and its strict relation to the notion of maximal clique, has been explored in several directions not only related to clustering problems. Applications in graph matching, segmentation, classification and medical imaging are common in literature. This package provides an implementation of the original DS clustering algorithm since no code has been officially released yet, together with a still growing collection of methods and variants related to it. Our library is integrable into a Matlab pipeline without dependencies, it is simple to use and easily extendable for upcoming works. The latest source code, the documentation and some examples can be downloaded from https://xwasco.github.io/DominantSetLibrary.
• Abstract（参考訳）: DSLib は、完全に Matlab で記述された Dominant Set (DS) クラスタリングアルゴリズムのオープンソース実装である。 DS法は、進化ゲーム理論に根ざしたグラフベースのクラスタリング手法であり、コンピュータ科学コミュニティで多くの関心を集め始めている。 ゲーム理論との双対性と、最大傾きの概念との厳密な関係のおかげで、クラスタリング問題に限らずいくつかの方向に探索されてきた。 グラフマッチング、セグメンテーション、分類、医療画像の応用は文献で一般的である。 このパッケージは、コードはまだ公式にリリースされていないため、オリジナルのDSクラスタリングアルゴリズムの実装を提供する。 私たちのライブラリは依存せずにmatlabパイプラインに統合できます。 最新のソースコード、ドキュメント、サンプルはhttps://xwasco.github.io/dominantsetlibraryからダウンロードできる。

関連論文リスト

• UncertaintyPlayground: A Fast and Simplified Python Library for Uncertainty Estimation [0.0]
  UncertaintyPlaygroundはPyTorchとGPyTorch上に構築されたPythonライブラリで、教師付き学習タスクの不確かさを推定する。 このライブラリは、ガウスおよびマルチモーダルな結果分布の高速なトレーニングを提供する。 1つ以上のインスタンスの予測間隔を視覚化することができる。
  論文  参考訳（メタデータ） (2023-10-23T18:36:54Z)
• From Cluster Assumption to Graph Convolution: Graph-based Semi-Supervised Learning Revisited [51.24526202984846]
  グラフベースの半教師付き学習(GSSL)は、長い間ホットな研究トピックだった。 グラフ畳み込みネットワーク (GCN) は, 有望な性能を示す主要な技術となっている。
  論文  参考訳（メタデータ） (2023-09-24T10:10:21Z)
• SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
  SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。 それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。 私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
  論文  参考訳（メタデータ） (2023-04-21T10:00:22Z)
• HiPart: Hierarchical Divisive Clustering Toolbox [0.0]
  HiPartはオープンソースのpythonライブラリで、分割階層クラスタリングアルゴリズムの効率的かつ解釈可能な実装を提供する。 HiPartは、クラスタリング結果の直接的介入を可能にする実行ステップの操作のためのインタラクティブな視覚化をサポートする。
  論文  参考訳（メタデータ） (2022-09-18T23:48:43Z)
• Systematically improving existing k-means initialization algorithms at nearly no cost, by pairwise-nearest-neighbor smoothing [1.2570180539670577]
  PNN-smoothingと呼ばれる$k$-meansクラスタリングアルゴリズムを初期化するメタメソッドを提案する。 与えられたデータセットを$J$のランダムなサブセットに分割し、各データセットを個別にクラスタリングし、結果のクラスタリングをペアワイズ・アネレス・ニーバーメソッドとマージする。
  論文  参考訳（メタデータ） (2022-02-08T15:56:30Z)
• Simple Stochastic and Online Gradient DescentAlgorithms for Pairwise Learning [65.54757265434465]
  ペアワイズ学習(Pairwise learning)とは、損失関数がペアインスタンスに依存するタスクをいう。 オンライン降下(OGD)は、ペアワイズ学習でストリーミングデータを処理する一般的なアプローチである。 本稿では,ペアワイズ学習のための手法について,シンプルでオンラインな下降を提案する。
  論文  参考訳（メタデータ） (2021-11-23T18:10:48Z)
• Build your own tensor network library: DMRjulia I. Basic library for the density matrix renormalization group [0.0]
  このコードの焦点はテンソルネットワーク計算に関わる基本的な操作である。 このコードは研究に使えるほど高速で、新しいアルゴリズムを作るのに使える。
  論文  参考訳（メタデータ） (2021-09-07T14:31:47Z)
• Efficient Graph Deep Learning in TensorFlow with tf_geometric [53.237754811019464]
  グラフ深層学習のための効率的でフレンドリなライブラリであるtf_geometricを導入する。 tf_geometricは、人気のあるGNNの実装と同様に、グラフニューラルネットワーク(GNN)を構築するためのカーネルライブラリを提供する。 カーネルライブラリは、グラフデータ構造、グラフマップ-リデュースフレームワーク、グラフミニバッチ戦略など、効率的なGNNを構築するためのインフラストラクチャで構成されている。
  論文  参考訳（メタデータ） (2021-01-27T17:16:36Z)
• Picasso: A Sparse Learning Library for High Dimensional Data Analysis in R and Python [77.33905890197269]
  本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。 ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
  論文  参考訳（メタデータ） (2020-06-27T02:39:24Z)
• Kernel methods library for pattern analysis and machine learning in python [0.0]
  kernelmethodsライブラリは、ドメインに依存しない方法で、python MLエコシステムにおける重要な空白を埋めます。 このライブラリは、カーネルベースの操作を効率的にするための、よく定義された多くのクラスを提供する。
  論文  参考訳（メタデータ） (2020-05-27T16:44:42Z)

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。