論文の概要: Sharp detection boundaries on testing dense subhypergraph
- arxiv url: http://arxiv.org/abs/2101.04584v1
- Date: Tue, 12 Jan 2021 16:31:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 07:41:53.607651
- Title: Sharp detection boundaries on testing dense subhypergraph
- Title(参考訳): 高密度ハイパーグラフ試験におけるシャープ検出境界
- Authors: Mingao Yuan and Zuofeng Shang
- Abstract要約: 高密度サブハイパーグラフの存在をテストすることの問題を研究する。
ヌル仮説はエルドス・レニイの均一なランダムなハイパーグラフである。
代替仮説は、密度の高いサブハイパーグラフを含む均一なランダムハイパーグラフである。
- 参考スコア(独自算出の注目度): 6.903929927172917
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of testing the existence of a dense subhypergraph. The
null hypothesis is an Erdos-Renyi uniform random hypergraph and the alternative
hypothesis is a uniform random hypergraph that contains a dense subhypergraph.
We establish sharp detection boundaries in both scenarios: (1) the edge
probabilities are known; (2) the edge probabilities are unknown. In both
scenarios, sharp detectable boundaries are characterized by the appropriate
model parameters. Asymptotically powerful tests are provided when the model
parameters fall in the detectable regions. Our results indicate that the
detectable regions for general hypergraph models are dramatically different
from their graph counterparts.
- Abstract(参考訳): 本研究では,高密度ハイパーグラフの存在を検査する問題について検討する。
ヌル仮説はエルドス=レーニ一様ランダムハイパーグラフであり、代替仮説は高密度な部分ハイパーグラフを含む一様ランダムハイパーグラフである。
1) エッジ確率は既知のもの,(2) エッジ確率は未知のもの,という2つのシナリオにおいて,鋭い検出境界を確立する。
どちらのシナリオでも、鋭い検出可能な境界は適切なモデルパラメータによって特徴づけられる。
モデルパラメータが検出可能な領域に落ちると漸近的に強力なテストが提供される。
以上の結果から,一般的なハイパーグラフモデルの検出可能な領域は,グラフと大きく異なることがわかった。
関連論文リスト
- Generative Edge Detection with Stable Diffusion [52.870631376660924]
エッジ検出は一般的に、主に識別法によって対処されるピクセルレベルの分類問題と見なされる。
本稿では、事前学習した安定拡散モデルのポテンシャルを十分に活用して、GED(Generative Edge Detector)という新しい手法を提案する。
複数のデータセットに対して広範な実験を行い、競争性能を達成する。
論文 参考訳(メタデータ) (2024-10-04T01:52:23Z) - Collaborative non-parametric two-sample testing [55.98760097296213]
目標は、null仮説の$p_v = q_v$が拒否されるノードを特定することである。
グラフ構造を効率的に活用する非パラメトリックコラボレーティブ2サンプルテスト(CTST)フレームワークを提案する。
提案手法は,f-divergence Estimation, Kernel Methods, Multitask Learningなどの要素を統合する。
論文 参考訳(メタデータ) (2024-02-08T14:43:56Z) - Hypergraph Structure Inference From Data Under Smoothness Prior [46.568839316694515]
本稿では,ラベル付きデータを監視対象とせずに,潜在的なハイパーエッジの確率を推定する手法を提案する。
本稿では,この手法を用いてハイパーグラフ構造とノード特徴の関係を確率論的モデリングにより導出する。
本手法は,既存のハイパーグラフ構造推定法よりも効率的にデータから有意義なハイパーグラフ構造を学習できることを示す。
論文 参考訳(メタデータ) (2023-08-27T18:28:58Z) - Hard Nominal Example-aware Template Mutual Matching for Industrial
Anomaly Detection [74.9262846410559]
textbfHard Nominal textbfExample-aware textbfTemplate textbfMutual textbfMatching (HETMM)
textitHETMMは、厳密なプロトタイプベースの決定境界を構築することを目的としており、ハードノミナルな例と異常を正確に区別することができる。
論文 参考訳(メタデータ) (2023-03-28T17:54:56Z) - The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge
Detector [70.43599299422813]
既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。
多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。
UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-03-21T13:14:36Z) - Unveiling the Sampling Density in Non-Uniform Geometric Graphs [69.93864101024639]
グラフを幾何学グラフとみなす: ノードは基礎となる計量空間からランダムにサンプリングされ、その距離が指定された近傍半径以下であれば任意のノードが接続される。
ソーシャルネットワークでは、コミュニティは密集したサンプル領域としてモデル化でき、ハブはより大きな近傍半径を持つノードとしてモデル化できる。
我々は,未知のサンプリング密度を自己監督的に推定する手法を開発した。
論文 参考訳(メタデータ) (2022-10-15T08:01:08Z) - Statistical Limits for Testing Correlation of Hypergraphs [4.898744396854313]
我々は、$n$未ラベルノード上の2つの$m$-uniformハイパーグラフ間の相関関係の仮説テストを検討する。
ヌル仮説の下では、ハイパーグラフは独立であるが、別の仮説では、ハイパーッジはヌル仮説と同じ限界分布を持つが、未知のノード置換後に相関する。
論文 参考訳(メタデータ) (2022-02-11T20:11:21Z) - Hypothesis Testing for Equality of Latent Positions in Random Graphs [0.2741266294612775]
2つの頂点 $i$ と $j$th が、おそらくスケーリングまで、同じ潜在位置を持つという仮説テストの問題を考える。
グラフの隣接性または正規化ラプラシアンスペクトル埋め込みのいずれかのi$th行とj$th行の間の経験的マハラノビス距離に基づくいくつかのテスト統計について提案する。
これらのテスト統計を用いて、標準ブロックモデルとその次数補正変種を選択する際のモデル選択問題に対処する。
論文 参考訳(メタデータ) (2021-05-23T01:27:23Z) - Information Limits for Detecting a Subhypergraph [6.903929927172917]
均一なハイパーグラフに対応する観測された隣接テンソルに基づいてサブハイパーグラフを回復する問題を検討する。
サブヒペグラフの弱い回復と正確な回復の両方を検討し、各ケースで情報理論の限界を確立します。
論文 参考訳(メタデータ) (2021-05-05T18:08:42Z) - Heterogeneous Dense Subhypergraph Detection [6.903929927172917]
ヘテロジニアス高密度ハイパーグラフの存在を検査する問題について検討する。
ヌル仮説は異質な erd "os-r'enyi uniform random hypergraph に対応する。
代替仮説は、密度の高いサブハイパーグラフを含む異種均一なランダムハイパーグラフに対応する。
論文 参考訳(メタデータ) (2021-04-08T20:44:22Z) - 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)
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。