論文の概要: Mixed-SCORE+ for mixed membership community detection

• arxiv url: http://arxiv.org/abs/2012.03725v1
• Date: Mon, 7 Dec 2020 14:21:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 21:01:59.525199
• Title: Mixed-SCORE+ for mixed membership community detection
• Title（参考訳）: 混合会員コミュニティ検出のための混合SCORE+
• Authors: Huan Qing and Jingli Wang
• Abstract要約: Mixed-SCOREはJin et alによって提案された混合メンバーシップコミュニティ検出の最近のアプローチである。 本論文では,Mixed-SCORE と SCORE+ を用いたMixed-SCORE+ 法を提案する。 数値計算の結果,Mixed-SCORE+はPolblogsネットワークと2つの弱い信号ネットワークとCaltechに大きな改善をもたらすことがわかった。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mixed-SCORE is a recent approach for mixed membership community detection proposed by Jin et al. (2017) which is an extension of SCORE (Jin, 2015). In the note Jin et al. (2018), the authors propose SCORE+ as an improvement of SCORE to handle with weak signal networks. In this paper, we propose a method called Mixed-SCORE+ designed based on the Mixed-SCORE and SCORE+, therefore Mixed-SCORE+ inherits nice properties of both Mixed-SCORE and SCORE+. In the proposed method, we consider K+1 eigenvectors when there are K communities to detect weak signal networks. And we also construct vertices hunting and membership reconstruction steps to solve the problem of mixed membership community detection. Compared with several benchmark methods, numerical results show that Mixed-SCORE+ provides a significant improvement on the Polblogs network and two weak signal networks Simmons and Caltech, with error rates 54/1222, 125/1137 and 94/590, respectively. Furthermore, Mixed-SCORE+ enjoys excellent performances on the SNAP ego-networks.
• Abstract（参考訳）: Mixed-SCOREは、Jinらによって提案された混合会員コミュニティ検出のための最近のアプローチである。 (2017)はSCOREの拡張(Jin, 2015)である。 注記はJin et al。 (2018) 著者らは SCORE+ を SCORE の改良として提案した。 本論文では,Mixed-SCOREとSCORE+をベースとして設計したMixed-SCORE+を提案する。 提案手法では,弱い信号ネットワークを検出するKコミュニティが存在する場合,K+1固有ベクトルを考える。 また,混合メンバシップコミュニティ検出の問題を解決するために,頂点狩りとメンバーリコンストラクションのステップも構築する。 いくつかのベンチマーク手法と比較すると、Mixed-SCORE+はPolblogsネットワークとSimmonsとCaltechでそれぞれ54/1222、125/1137、94/590のエラー率で大幅に改善されている。 さらに、Mixed-SCORE+はSNAPのego-networksで優れたパフォーマンスを享受している。

関連論文リスト

• Sequential Signal Mixing Aggregation for Message Passing Graph Neural Networks [2.7719338074999547]
  本稿では,MPGNNのための新しいプラグ・アンド・プレイアグリゲーションであるSSMA(Sequential Signal Mixing Aggregation)を紹介する。 SSMAは隣接する特徴を2次元の離散的な信号として扱い、それらを連続的に結合させ、本質的に隣り合った特徴を混合する能力を増強する。 SSMAとよく確立されたMPGNNアーキテクチャを組み合わせると、様々なベンチマークでかなりの性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2024-09-28T17:13:59Z)
• Fast Semisupervised Unmixing Using Nonconvex Optimization [80.11512905623417]
  半/ライブラリベースのアンミックスのための新しい凸凸モデルを提案する。 スパース・アンミキシングの代替手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-23T10:07:41Z)
• Expeditious Saliency-guided Mix-up through Random Gradient Thresholding [89.59134648542042]
  混合学習アプローチはディープニューラルネットワークの一般化能力向上に有効であることが証明されている。 本稿では,両経路の分岐点に位置する新しい手法を提案する。 我々はR-Mixという手法を「Random Mix-up」という概念にちなむ。 より良い意思決定プロトコルが存在するかどうかという問題に対処するために、我々は、ミックスアップポリシーを決定する強化学習エージェントを訓練する。
  論文  参考訳（メタデータ） (2022-12-09T14:29:57Z)
• When does mixup promote local linearity in learned representations? [61.079020647847024]
  学習ネットワーク表現における線形性の促進におけるMixupの役割について検討する。 CIFAR-10, CIFAR-100, SVHNなどの視覚データセット上でのMixupの特性について検討する。
  論文  参考訳（メタデータ） (2022-10-28T21:27:33Z)
• GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector [156.43671738038657]
  本稿では,GCoNet+と呼ばれる新しいグループ協調学習ネットワークを提案する。 GCoNet+は自然界における共存対象を効果的かつ効率的に識別することができる。
  論文  参考訳（メタデータ） (2022-05-30T23:49:19Z)
• Harnessing Hard Mixed Samples with Decoupled Regularizer [69.98746081734441]
  Mixupは、決定境界を混合データで滑らかにすることで、ニューラルネットワークの一般化を改善する効率的なデータ拡張アプローチである。 本稿では,非結合型正規化器(Decoupled Mixup, DM)を用いた効率的な混合目標関数を提案する。 DMは、ミキシングの本来の滑らかさを損なうことなく、硬質混合試料を適応的に利用して識別特性をマイニングすることができる。
  論文  参考訳（メタデータ） (2022-03-21T07:12:18Z)
• Boosting Discriminative Visual Representation Learning with Scenario-Agnostic Mixup [54.09898347820941]
  自己教師付き学習(SSL)と教師付き学習(SL)の両方のシナリオに対して,textbfScenario-textbfAgnostic textbfMixup (SAMix)を提案する。 具体的には、2つの混合クラス間の局所的な滑らかさを最適化するために、混合生成の目的関数を仮説化し、検証する。 非自明な混合サンプルを効果的に提供し、転送可能な能力を向上させるラベルフリーな生成サブネットワークを設計する。
  論文  参考訳（メタデータ） (2021-11-30T14:49:59Z)
• Bipartite mixed membership stochastic blockmodel [1.370633147306388]
  本研究では,BiMMSB (Bipartite mixed membership blockmodel) とBiMMSB (BiMMSB) の相互運用モデルを提案する。 また、BiMPCAと呼ばれる効率的なスペクトルアルゴリズムを開発し、有向ネットワーク内の行ノードと列ノードの両方の混合メンバーシップを推定します。
  論文  参考訳（メタデータ） (2021-01-07T00:21:50Z)
• Estimating Mixed-Memberships Using the Symmetric Laplacian Inverse Matrix [0.4972323953932129]
  Mixed-SLIMは、対称性を持つラプラシア逆行列のスペクトルクラスタリング法である。 提案したアルゴリズムとその正規化バージョンについて,軽度条件下での予測誤差に関する理論的バウンダリを提供する。 これらのMixed-SLIM法は,コミュニティ検出と混合コミュニティ検出の両問題に対して,シミュレーションにおける最先端の手法および有意な経験的データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-12-17T13:19:06Z)

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。