Fugu-MT 論文翻訳(概要): Robustness of Community Detection to Random Geometric Perturbations

論文の概要: Robustness of Community Detection to Random Geometric Perturbations

arxiv url: http://arxiv.org/abs/2011.04298v1
Date: Mon, 9 Nov 2020 10:15:40 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 01:45:06.002855
Title: Robustness of Community Detection to Random Geometric Perturbations
Title（参考訳）: ランダムな幾何学的摂動に対するコミュニティ検出のロバスト性
Authors: Sandrine Peche and Vianney Perchet
Abstract要約: 我々は、頂点間の接続が、潜在(かつ観測されていない)ランダムな幾何グラフによって摂動されるブロックモデルを考える。目的は、スペクトル法がランダムグラフの存在(あるいはそうでない)に非依存であっても、この種のノイズに対して堅牢であることを証明することである。
参考スコア（独自算出の注目度）: 16.575947847660778
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider the stochastic block model where connection between vertices is perturbed by some latent (and unobserved) random geometric graph. The objective is to prove that spectral methods are robust to this type of noise, even if they are agnostic to the presence (or not) of the random graph. We provide explicit regimes where the second eigenvector of the adjacency matrix is highly correlated to the true community vector (and therefore when weak/exact recovery is possible). This is possible thanks to a detailed analysis of the spectrum of the latent random graph, of its own interest.
Abstract（参考訳）: 我々は,頂点間の接続が潜在的(かつ観測されていない)ランダムな幾何グラフによって摂動される確率ブロックモデルを考える。目的は、スペクトル法がランダムグラフの存在(あるいはそうでない)に非依存であっても、この種のノイズに対して堅牢であることを証明することである。隣接行列の第2固有ベクトルが真のコミュニティベクトルと強く相関している(したがって、弱い/正確なリカバリが可能である)明示的なレギュレーションを提供する。これは潜在ランダムグラフのスペクトルの詳細な分析によって可能であり、それ自体が興味を持っている。

関連論文リスト

Graph Generation via Spectral Diffusion [51.60814773299899]
本稿では,1)グラフラプラシア行列のスペクトル分解と2)拡散過程に基づく新しいグラフ生成モデルGRASPを提案する。具体的には、固有ベクトルと固有値のサンプリングにデノナイジングモデルを用い、グラフラプラシアン行列と隣接行列を再構成する。我々の置換不変モデルは各ノードの固有ベクトルに連結することでノードの特徴を扱える。
論文参考訳（メタデータ） (2024-02-29T09:26:46Z)
Graph Fourier MMD for Signals on Graphs [67.68356461123219]
本稿では,グラフ上の分布と信号の間の新しい距離を提案する。 GFMMDは、グラフ上で滑らかであり、期待差を最大化する最適な目撃関数によって定義される。グラフベンチマークのデータセットと単一セルRNAシークエンシングデータ解析について紹介する。
論文参考訳（メタデータ） (2023-06-05T00:01:17Z)
Violation of Bell's inequalities in uniform random graphs [0.0]
ランダム離散モデルの統計的相関から量子相関が生まれることを実証する。エルドス・レーニ一様ランダムグラフにおける頂点対の近傍数(次数)の相関について検討する。
論文参考訳（メタデータ） (2023-05-04T12:46:26Z)
Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
論文参考訳（メタデータ） (2021-12-29T18:46:52Z)
Partial recovery and weak consistency in the non-uniform hypergraph Stochastic Block Model [6.681901523019242]
非一様ハイパーグラフブロックモデル(HSBM)に基づくランダムハイパーグラフにおけるコミュニティ検出問題の検討我々は,少なくとも$gamma$分の頂点を正しく分類した分割を出力するスペクトルアルゴリズムを提案し,$gammainはモデルの信号-雑音比(SNR)に依存する。このアルゴリズムの理論的解析は、非一様ランダムハイパーグラフに対する隣接行列の濃度と正規化に依存しており、これは独立な関心を持つことができる。
論文参考訳（メタデータ） (2021-12-22T05:38:33Z)
Spectral clustering under degree heterogeneity: a case for the random walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文参考訳（メタデータ） (2021-05-03T16:36:27Z)
Random Geometric Graphs on Euclidean Balls [2.28438857884398]
ノード $i$ がユークリッド単位球上のランダム潜在点 $X_i$ に関連付けられたランダムグラフに対する潜在空間モデルを考える。特定のリンク関数に対して、ここで考慮されたモデルは、パワーロー型の分布を持つ尾を持つ次数分布を持つグラフを生成する。
論文参考訳（メタデータ） (2020-10-26T17:21:57Z)
Testing correlation of unlabeled random graphs [18.08210501570919]
ラベルなしノードを持つ2つのランダムグラフ間のエッジ相関を検出する問題について検討する。これは仮説テスト問題として定式化され、ヌル仮説の下では、2つのグラフは独立に生成される。代替として、2つのグラフは、ある潜在ノード対応の下ではエッジ関連であるが、ヌルと同じ辺分布を持つ。
論文参考訳（メタデータ） (2020-08-23T19:19:45Z)
Strong Consistency, Graph Laplacians, and the Stochastic Block Model [1.2891210250935143]
ブロックモデルを学ぶために,古典的な2段階のスペクトルクラスタリングの性能をグラフラプラシアンを用いて検討する。スペクトルクラスタリングは,情報理論の限界に合致する条件下で,植民コミュニティ構造を正確に復元できることを示す。
論文参考訳（メタデータ） (2020-04-21T07:16:46Z)
Semiparametric Nonlinear Bipartite Graph Representation Learning with Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文参考訳（メタデータ） (2020-03-02T16:40:36Z)
Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。本稿では,非自明なERGに対する近似フレームワークを提案する。我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。