論文の概要: Contagion Dynamics for Manifold Learning

• arxiv url: http://arxiv.org/abs/2012.00091v1
• Date: Mon, 30 Nov 2020 20:58:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 18:13:02.056235
• Title: Contagion Dynamics for Manifold Learning
• Title（参考訳）: 多様体学習のための伝染ダイナミクス
• Authors: Barbara I. Mahler
• Abstract要約: 感染マップは閾値の感染における活性化時間を利用して、高次元ユークリッド空間のベクトルをネットワークのノードに割り当てる。 我々は,様々な実世界および合成データセット上で,多様体学習ツールとしての感染マップを検証した。 特定の条件下では、畳み込み写像はノイズによる誤差によりイソマプが失敗するのに対して、ノイズデータにおいて基礎となる多様体構造を確実に検出することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contagion maps exploit activation times in threshold contagions to assign vectors in high-dimensional Euclidean space to the nodes of a network. A point cloud that is the image of a contagion map reflects both the structure underlying the network and the spreading behaviour of the contagion on it. Intuitively, such a point cloud exhibits features of the network's underlying structure if the contagion spreads along that structure, an observation which suggests contagion maps as a viable manifold-learning technique. We test contagion maps as a manifold-learning tool on a number of different real-world and synthetic data sets, and we compare their performance to that of Isomap, one of the most well-known manifold-learning algorithms. We find that, under certain conditions, contagion maps are able to reliably detect underlying manifold structure in noisy data, while Isomap fails due to noise-induced error. This consolidates contagion maps as a technique for manifold learning.
• Abstract（参考訳）: 伝染マップはしきい値の活性化時間を利用して、高次元ユークリッド空間のベクトルをネットワークのノードに割り当てる。 感染マップの画像である点雲は、ネットワークの基盤となる構造と感染の拡散挙動の両方を反映している。 直感的には、そのような点雲は、その構造に沿って伝染が広がると、ネットワークの基盤となる構造の特徴を示す。 我々は,様々な実世界および合成データセット上で,多様体学習ツールとしての伝染マップをテストし,それらの性能を最もよく知られた多様体学習アルゴリズムであるisomapと比較した。 特定の条件下では、汚染マップはノイズによるエラーのためにisomapが失敗するのに対して、ノイズデータ中の基盤となる多様体構造を確実に検出することができる。 これにより、多様体学習のテクニックとして、伝染マップが統合される。

関連論文リスト

• Assessing and improving reliability of neighbor embedding methods: a map-continuity perspective [2.969441406380581]
  隣接する t-SNE, UMAP, LargeVis などの埋め込み手法は、一般的な可視化手法のファミリーである。 近年の研究では、これらの手法がしばしば視覚的な人工物を生み出し、誤った科学的結論につながる可能性が示唆されている。 本稿では,古典的な統計的概念に基づいて埋め込みマップを学習する,新しい概念的・計算的枠組み LOO-map を紹介する。
  論文  参考訳（メタデータ） (2024-10-22T01:40:43Z)
• EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
  我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。 低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。 大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
  論文  参考訳（メタデータ） (2024-01-22T07:34:06Z)
• Transformer-Based Neural Surrogate for Link-Level Path Loss Prediction from Variable-Sized Maps [11.327456466796681]
  送信機と受信機の位置に対する経路損失の推定は、ネットワーク計画やハンドオーバを含む多くのユースケースにおいて重要である。 本稿では,様々な次元の地図やスパース測定からリンクレベルの特性を予測できるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-06T20:17:40Z)
• Supervised Manifold Learning via Random Forest Geometry-Preserving Proximities [0.0]
  クラス条件付き多様体学習手法の弱点を定量的かつ視覚的に示す。 本稿では,ランダムな森の近さをデータジオメトリ保存した変種を用いて,教師付き次元減少のためのカーネルの代替選択を提案する。
  論文  参考訳（メタデータ） (2023-07-03T14:55:11Z)
• Entangled Residual Mappings [59.02488598557491]
  残余接続の構造を一般化するために、絡み合った残余写像を導入する。 絡み合い残余写像は、アイデンティティスキップ接続を特別な絡み合い写像に置き換える。 絡み合った写像は、様々な深層モデルにまたがる特徴の反復的洗練を保ちながら、畳み込みネットワークにおける表現学習プロセスに影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-06-02T19:36:03Z)
• Topological data analysis of truncated contagion maps [0.0]
  しきい値の接尾辞は, 接尾辞マップの構築を著しく高速化する可能性があることを示す。 また, 単一セルRNAシークエンシングデータに対して, 低次元のインテリジェンスな埋め込みを見つけるために, 感染マップが有用であることが示唆された。
  論文  参考訳（メタデータ） (2022-03-03T14:08:05Z)
• Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
  我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。 この結果は、異なるデータセットの実験によって確認される。
  論文  参考訳（メタデータ） (2022-02-02T18:19:04Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。