論文の概要: Network topology change-point detection from graph signals with prior spectral signatures

• arxiv url: http://arxiv.org/abs/2010.11345v1
• Date: Wed, 21 Oct 2020 23:21:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 23:32:07.720099
• Title: Network topology change-point detection from graph signals with prior spectral signatures
• Title（参考訳）: 先行スペクトルシグネチャを用いたグラフ信号からのネットワークトポロジー変化点検出
• Authors: Chiraag Kaushik, T. Mitchell Roddenberry, Santiago Segarra
• Abstract要約: グラフ信号からの逐次的グラフトポロジ変化点検出の問題点を考察する。 本稿では,ポストチェンジグラフのスペクトルシグネチャに関する先行情報が,観測されたシーケンシャルデータを暗黙的に復調するためにどのように組み込まれているかを示す。
• 参考スコア（独自算出の注目度）: 28.854825611676507
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of sequential graph topology change-point detection from graph signals. We assume that signals on the nodes of the graph are regularized by the underlying graph structure via a graph filtering model, which we then leverage to distill the graph topology change-point detection problem to a subspace detection problem. We demonstrate how prior information on the spectral signature of the post-change graph can be incorporated to implicitly denoise the observed sequential data, thus leading to a natural CUSUM-based algorithm for change-point detection. Numerical experiments illustrate the performance of our proposed approach, particularly underscoring the benefits of (potentially noisy) prior information.
• Abstract（参考訳）: グラフ信号からの逐次的グラフトポロジ変化点検出の問題を考える。 グラフのノード上の信号は、グラフフィルタリングモデルを介して基礎となるグラフ構造によって正規化され、グラフトポロジー変化点検出問題を部分空間検出問題に蒸留するために利用できると仮定する。 本稿では,後変化グラフのスペクトルシグネチャに関する先行情報が暗黙的に逐次データにノイズを生じるように組み込まれ,変化点検出のための自然なcusumに基づくアルゴリズムを導出する。 数値実験は,提案手法の性能,特に事前情報(潜在的にうるさい)の利点を強調するものである。

関連論文リスト

• Scoring Anomalous Vertices Through Quantum Walks [0.26013878609420266]
  ラベルなしデータの場合、グラフ上の異常検出は、どのデータポイントが他のほとんどのデータに存在する潜在特性に当てはまらないかを決定する方法である。 グラフを全ノードの均一な開始位置で連続的にトラバースすることで,各ノードの異常スコアを計算するための第1の量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-16T12:32:13Z)
• Towards Self-Interpretable Graph-Level Anomaly Detection [73.1152604947837]
  グラフレベルの異常検出(GLAD)は、コレクションの大多数と比べて顕著な相違を示すグラフを識別することを目的としている。 本稿では,異常なグラフを検出し,同時に情報的説明を生成する自己解釈グラフaNomaly dETectionモデル(SIGNET)を提案する。
  論文  参考訳（メタデータ） (2023-10-25T10:10:07Z)
• Joint graph learning from Gaussian observations in the presence of hidden nodes [26.133725549667734]
  本稿では,隠れ変数の存在を考慮した共同グラフ学習法を提案する。 従来の考察から得られた構造を利用して凸最適化問題を提案する。 提案したアルゴリズムを異なるベースラインで比較し、合成グラフと実世界のグラフ上での性能を評価する。
  論文  参考訳（メタデータ） (2022-12-04T13:03:41Z)
• FoSR: First-order spectral rewiring for addressing oversquashing in GNNs [0.0]
  グラフニューラルネットワーク(GNN)は、グラフのエッジに沿ってメッセージを渡すことによって、グラフデータの構造を活用することができる。 本稿では,グラフにエッジを体系的に付加することで過疎化を防止する計算効率のよいアルゴリズムを提案する。 提案アルゴリズムは,いくつかのグラフ分類タスクにおいて,既存のグラフリウィリング手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-21T07:58:03Z)
• Deep Graph-level Anomaly Detection by Glocal Knowledge Distillation [61.39364567221311]
  グラフレベルの異常検出(GAD)は、その構造やノードの特徴に異常なグラフを検出する問題を記述している。 GADの課題の1つは、局所的および大域的非正則グラフの検出を可能にするグラフ表現を考案することである。 本稿では,グラフとノード表現の連成ランダム蒸留により,グローバルおよびローカルな正規パターン情報を豊富に学習するGADのための新しい深部異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-12-19T05:04:53Z)
• Joint inference of multiple graphs with hidden variables from stationary graph signals [19.586429684209843]
  本稿では,隠れ変数の影響をモデル化した共同グラフトポロジ推論手法を提案する。 観測された信号が探索グラフ上で定常であるという仮定の下で、複数ネットワークの合同推定により、そのような関係を利用することができる。
  論文  参考訳（メタデータ） (2021-10-05T21:31:36Z)
• Spectral Graph Convolutional Networks With Lifting-based Adaptive Graph Wavelets [81.63035727821145]
  スペクトルグラフ畳み込みネットワーク(SGCN)はグラフ表現学習において注目を集めている。 本稿では,適応グラフウェーブレットを用いたグラフ畳み込みを実装した新しいスペクトルグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-03T17:57:53Z)
• Line Graph Neural Networks for Link Prediction [71.00689542259052]
  実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。 このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。 本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。 特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
  論文  参考訳（メタデータ） (2020-10-20T05:54:31Z)
• Offline detection of change-points in the mean for stationary graph signals [55.98760097296213]
  グラフ信号定常性の概念に依存するオフライン手法を提案する。 我々の検出器は、漸近的でない不等式オラクルの証拠を伴っている。
  論文  参考訳（メタデータ） (2020-06-18T15:51:38Z)
• Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs [54.13919050090926]
  本稿では,動的グラフの異常エッジを検出するために,エンドツーエンドの時間構造グラフニューラルネットワークモデルを提案する。 特に,まずターゲットエッジを中心にした$h$ホップ囲むサブグラフを抽出し,各ノードの役割を識別するノードラベル機能を提案する。 抽出した特徴に基づき,GRU(Gated Recurrent Unit)を用いて,異常検出のための時間的情報を取得する。
  論文  参考訳（メタデータ） (2020-05-15T09:17:08Z)

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。