Fugu-MT 論文翻訳(概要): The HyperTrac Project: Recent Progress and Future Research Directions on Hypergraph Decompositions

論文の概要: The HyperTrac Project: Recent Progress and Future Research Directions on Hypergraph Decompositions

arxiv url: http://arxiv.org/abs/2012.14762v1
Date: Tue, 29 Dec 2020 14:21:54 GMT
ステータス: 処理完了
システム内更新日: 2021-04-18 20:37:35.019739
Title: The HyperTrac Project: Recent Progress and Future Research Directions on Hypergraph Decompositions
Title（参考訳）: HyperTracプロジェクト:ハイパーグラフ分解の最近の進歩と今後の研究方向
Authors: Georg Gottlob, Matthias Lanzinger, Davide Mario Longo, Cem Okulmus and Reinhard Pichler
Abstract要約: 制約満足度問題(csps)は、人工知能と運用研究における多くの応用において中心的な役割を果たす。ハイパーグラフ分解の様々な形態は、CSPの牽引可能な断片を識別するために文献で提案されている。
参考スコア（独自算出の注目度）: 12.888272723854833
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Constraint Satisfaction Problems (CSPs) play a central role in many applications in Artificial Intelligence and Operations Research. In general, solving CSPs is NP-complete. The structure of CSPs is best described by hypergraphs. Therefore, various forms of hypergraph decompositions have been proposed in the literature to identify tractable fragments of CSPs. However, also the computation of a concrete hypergraph decomposition is a challenging task in itself. In this paper, we report on recent progress in the study of hypergraph decompositions and we outline several directions for future research.
Abstract（参考訳）: 制約満足度問題(CSP)は、人工知能とオペレーション研究における多くの応用において中心的な役割を果たす。一般に、CSPの解法はNP完全である。 CSPの構造はハイパーグラフによって最もよく説明される。そのため, CSPの抽出可能な断片を同定するために, 種々のハイパーグラフ分解法が文献で提案されている。しかし、具体的な超グラフ分解の計算は、それ自体が難しい課題である。本稿では,ハイパーグラフ分解研究の最近の進歩について報告し,今後の研究の方向性について概説する。

関連論文リスト

Convolutional Signal Propagation: A Simple Scalable Algorithm for Hypergraphs [0.13654846342364302]
本稿では,両部グラフ(ハイパーグラフ)で動作する非パラメトリック単純かつスケーラブルな方法である畳み込み信号伝搬(CSP)を提案する。計算複雑性を低く保ちながら,CSPが競争性能を提供することを示す。ハイパーグラフの操作にもかかわらず、CSPは自然言語処理のようなハイパーグラフに関連のないタスクで良い結果を得る。
論文参考訳（メタデータ） (2024-09-26T08:22:09Z)
From Hypergraph Energy Functions to Hypergraph Neural Networks [94.88564151540459]
パラメータ化されたハイパーグラフ正規化エネルギー関数の表現型族を示す。次に、これらのエネルギーの最小化がノード埋め込みとして効果的に機能することを実証する。提案した双レベルハイパーグラフ最適化と既存のGNNアーキテクチャを共通的に用いている。
論文参考訳（メタデータ） (2023-06-16T04:40:59Z)
Supervised Hypergraph Reconstruction [3.69853388955692]
高次相互作用を含む多くの実世界のシステムは、ハイパーグラフによって符号化される。データセットは、しばしば公開され、投影の形でのみ研究される。教師付きハイパーグラフ再構成を提案する。我々のアプローチは、ハードデータセット上での精度の桁違いに全てのベースラインを上回ります。
論文参考訳（メタデータ） (2022-11-23T23:15:03Z)
Learn-to-Decompose: Cascaded Decomposition Network for Cross-Domain Few-Shot Facial Expression Recognition [60.51225419301642]
本稿では,複合表情認識のための新しいカスケード分解ネットワーク(CDNet)を提案する。基本的な表現データセット上で同様のタスクをトレーニングすることで、CDNetは、目に見えない複合表現を容易に識別できる学習と分解の能力を学ぶ。
論文参考訳（メタデータ） (2022-07-16T16:10:28Z)
Tensor Decompositions for Hyperspectral Data Processing in Remote Sensing: A Comprehensive Review [85.36368666877412]
ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。 3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
論文参考訳（メタデータ） (2022-05-13T00:39:23Z)
Finding Bipartite Components in Hypergraphs [9.759415650727892]
本稿では,ハイパーグラフにおける新しい熱拡散過程について検討し,このプロセスを用いて,ハイパーグラフ内の約2部成分を探索するアルゴリズムを設計する。我々の新しいアルゴリズムは、幅広いハイパーグラフにまたがって、従来の最先端のアルゴリズムよりも一貫して、はるかに優れています。
論文参考訳（メタデータ） (2022-05-05T16:46:31Z)
Preventing Over-Smoothing for Hypergraph Neural Networks [0.0]
階層数の増加に伴い,ハイパーグラフニューラルネットワークの性能は向上しないことを示す。我々はディープ・HGCNと呼ばれる新しいディープ・ハイパーグラフ・畳み込みネットワークを開発し、ディープ・レイヤにおけるノード表現を維持できる。
論文参考訳（メタデータ） (2022-03-31T16:33:31Z)
Learning Multi-Granular Hypergraphs for Video-Based Person Re-Identification [110.52328716130022]
ビデオベースの人物識別(re-ID)はコンピュータビジョンにおいて重要な研究課題である。 MGH(Multi-Granular Hypergraph)という新しいグラフベースのフレームワークを提案する。 MARSの90.0%のトップ-1精度はMGHを用いて達成され、最先端のスキームよりも優れていた。
論文参考訳（メタデータ） (2021-04-30T11:20:02Z)
An Efficient Hypergraph Approach to Robust Point Cloud Resampling [57.49817398852218]
ハイパーグラフ信号処理(hgsp)に基づくポイントクラウド再サンプリングの検討点群の信号ノード間の多面的な相互作用を捕捉するハイパーグラフスペクトルフィルタを設計する。実験の結果, 点雲のハイパーグラフ解析の有効性が検証された。
論文参考訳（メタデータ） (2021-03-11T23:19:54Z)
HyperBench: A Benchmark and Tool for Hypergraphs and Empirical Findings [8.37315177713779]
我々は,ハイパーグラフの挿入,解析,検索を行うための分解ソフトウェアのリポジトリとワークベンチを開発した。また,異なるCQおよびCSPコレクションから得られたハイパーグラフのベンチマークも開発した。この新しいインフラで実施した実際の実験をいくつか紹介する。
論文参考訳（メタデータ） (2020-09-02T13:08:55Z)
Boundary-assisted Region Proposal Networks for Nucleus Segmentation [89.69059532088129]
大量の核が混在しているため、機械学習モデルはうまく機能しない。我々は、堅牢なインスタンスレベルの核分割を実現する境界支援領域提案ネットワーク(BRP-Net)を考案する。
論文参考訳（メタデータ） (2020-06-04T08:26:38Z)

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。