論文の概要: On Small-World Networks: Survey and Properties Analysis

• arxiv url: http://arxiv.org/abs/2101.11191v1
• Date: Wed, 27 Jan 2021 04:09:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 20:24:21.026765
• Title: On Small-World Networks: Survey and Properties Analysis
• Title（参考訳）: 小世界ネットワークについて:調査と特性分析
• Authors: Alaa Eddin Alchalabi
• Abstract要約: 本稿では,ソーシャルネットワークにおける6次分離現象に関する最初の実証的研究について説明する。 次に,本研究に基づく確率論的ネットワークモデルについて概説し,これらのモデルがどのように現象の性質を説明しようとしたのかを考察した。 最後に、この分野での今後の研究が提案されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complex networks has been a hot topic of research over the past several years over crossing many disciplines, starting from mathematics and computer science and ending by the social and biological sciences. Random graphs were studied to observe the qualitative features they have in common in planetary scale data sets which helps us to project the insights proven to real world networks. In this paper, We survey the particular case of small-world phenomena and decentralized search algorithms. We start by explaining the first empirical study for the six degrees of separation phenomenon in social networks; then we review some of the probabilistic network models based on this work, elaborating how these models tried to explain the phenomenon properties, and lastly, we review few of the recent empirical studies empowered by these models. Finally, some future works are proposed in this area of research.
• Abstract（参考訳）: 複雑なネットワークは、数学やコンピュータ科学から始まり、社会科学や生物科学によって終わるなど、多くの分野にまたがってここ数年、ホットな研究テーマとなっている。 ランダムグラフは、惑星スケールのデータセットで共通する質的特徴を観察するために研究され、実世界のネットワークで証明された洞察を投影するのに役立つ。 本稿では,小世界現象の特定事例と分散探索アルゴリズムについて検討する。 まず,ソーシャル・ネットワークにおける6次分離現象に関する最初の実験研究を説明することから始め,本研究に基づく確率的ネットワークモデルのいくつかをレビューし,これらのモデルがどのように現象特性の説明を試みたかを明らかにし,最後に,これらのモデルによって強化された最近の経験的研究を概説する。 最後に、この分野での今後の研究が提案されている。

関連論文リスト

• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。 埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes [49.32130498861987]
  本稿ではReLUのような非微分可能活性化関数の事例について検討する。 最近の2つの研究は、ニューラルネットワークを研究するための幾何学的枠組みを導入した。 本稿では,画像の分類と熱力学問題に関する数値実験を行った。
  論文  参考訳（メタデータ） (2024-04-09T08:11:46Z)
• Reproducibility and Geometric Intrinsic Dimensionality: An Investigation on Graph Neural Network Research [0.0]
  これらの努力に基づいて構築することは、マシンラーニングにおけるもうひとつの重要な課題、すなわち次元の呪いに向かっています。 本研究は,機械学習モデルが学習対象のデータセットの拡張次元にどのような影響を受けているのかを,本質的な次元の密接な関連概念を用いて検討する。
  論文  参考訳（メタデータ） (2024-03-13T11:44:30Z)
• Towards Graph Foundation Models: A Survey and Beyond [66.37994863159861]
  ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。 基礎モデルがグラフ機械学習研究者を一般化し、適応させる能力は、新しいグラフ学習パラダイムを開発する可能性について議論する。 本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
  論文  参考訳（メタデータ） (2023-10-18T09:31:21Z)
• XFlow: Benchmarking Flow Behaviors over Graphs [8.324217198711208]
  ネットワークの研究は、数学、物理学、社会科学、計算機科学を含む様々な学術分野を含む。 この分野での現在の研究の大きな障害の1つは、ネットワークシナリオにおけるフローの振る舞いを研究するためのベンチマークスイートが存在しないことである。 本稿では,タスク,ベースラインモデル,グラフデータセット,評価ツールなどを含む新しいベンチマークスイートの実装を提案する。
  論文  参考訳（メタデータ） (2023-08-07T14:49:22Z)
• Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
  ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
  論文  参考訳（メタデータ） (2022-10-28T04:38:10Z)
• Network representation learning: A macro and micro view [9.221196170951702]
  本稿では,ネットワーク表現学習に関する最近の文献を包括的にレビューする。 既存のアルゴリズムは、浅い埋め込みモデル、異種ネットワーク埋め込みモデル、グラフニューラルネットワークベースモデルという3つのグループに分類される。 この調査の利点の1つは、アルゴリズムの異なるカテゴリの基礎となる理論的基礎を体系的に研究することである。
  論文  参考訳（メタデータ） (2021-11-21T08:58:51Z)
• Dynamic Network Embedding Survey [11.742863376032112]
  本稿では,動的ネットワークの埋め込みに関する調査を行う。 動的ネットワークのための2つの基本データモデル、すなわち離散モデルと連続モデルを提案する。 典型的な学習モデルによって分類階層を洗練させる分類法を構築する。
  論文  参考訳（メタデータ） (2021-03-29T09:27:53Z)
• A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning [95.27249880156256]
  ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。 既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。 フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
  論文  参考訳（メタデータ） (2021-01-03T02:32:45Z)
• Deep Generative Modeling in Network Science with Applications to Public Policy Research [0.0]
  ネットワークデータは、量的かつデータ駆動の公共政策研究にますます利用されている。 深層生成法は、マイクロシミュレーションやエージェントベースモデルに有用なリアルな合成ネットワークを生成するために使用できる。 疫学モデルで一般的に使用される大規模社会接触ネットワークに適用可能な,新たな生成フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-10-15T16:47:34Z)
• Towards Deeper Graph Neural Networks [63.46470695525957]
  グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。 いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。 本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
  論文  参考訳（メタデータ） (2020-07-18T01:11:14Z)

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。