論文の概要: Community Detection: Exact Recovery in Weighted Graphs
- arxiv url: http://arxiv.org/abs/2102.04439v1
- Date: Mon, 8 Feb 2021 18:54:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-09 15:17:46.039239
- Title: Community Detection: Exact Recovery in Weighted Graphs
- Title（参考訳）: コミュニティ検出:重み付きグラフの正確な回復
- Authors: Mohammad Esmaeili and Aria Nosratinia
- Abstract要約: コミュニティ検出において,ベルヌーイ分布から引き出されたエッジを持つ一般ブロックモデルの下で,コミュニティ(クラスター)の正確な回復について検討した。
本稿では,コミュニティ依存の手段と分散を持つガウス分布の集合からグラフエッジが引き出される完全グラフにおけるコミュニティの正確な回復,あるいは,コミュニティ依存の手段を持つ指数分布の集合から得られる集合を考察する。
- 参考スコア（独自算出の注目度）: 29.326472933292607
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In community detection, the exact recovery of communities (clusters) has been
mainly investigated under the general stochastic block model with edges drawn
from Bernoulli distributions. This paper considers the exact recovery of
communities in a complete graph in which the graph edges are drawn from either
a set of Gaussian distributions with community-dependent means and variances,
or a set of exponential distributions with community-dependent means. For each
case, we introduce a new semi-metric that describes sufficient and necessary
conditions of exact recovery. The necessary and sufficient conditions are
asymptotically tight. The analysis is also extended to incomplete, fully
connected weighted graphs.
- Abstract（参考訳）: コミュニティ検出において,Bernoulli分布から引き出されたエッジを持つ一般確率ブロックモデルの下で,コミュニティ(クラスター)の正確な回復について検討した。
本稿では,コミュニティ依存の手段と分散のガウス分布の集合,あるいはコミュニティ依存の手段の指数分布の集合からグラフエッジを描画する完全グラフにおけるコミュニティの正確な回復について考察する。
それぞれのケースについて,完全回復に必要な条件を記述した新しいセミメトリックを導入する。
必要かつ十分な条件は無症状にタイトです。
解析は不完全で完全連結な重み付きグラフにも拡張される。
関連論文リスト
- Community Detection in the Multi-View Stochastic Block Model [47.43048484980115]
本稿では,無神論的な観点から,複数の潜在的相関グラフ上でのコミュニティ検出の問題について考察する。
我々はまず,同じノードの集合上で相関グラフを生成するために設計された多視点情報ブロックモデル (MVSBM) と呼ばれるランダムグラフモデルを考案した。
論文 参考訳（メタデータ） (2024-01-17T13:39:38Z) - Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。
我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文 参考訳（メタデータ） (2023-10-12T10:56:25Z) - Graph Out-of-Distribution Generalization with Controllable Data
Augmentation [51.17476258673232]
グラフニューラルネットワーク(GNN)は,グラフ特性の分類において異常な性能を示した。
トレーニングとテストデータの選択バイアスが原因で、分散偏差が広まっています。
仮想サンプルの分布偏差を測定するためのOODキャリブレーションを提案する。
論文 参考訳（メタデータ） (2023-08-16T13:10:27Z) - Community Detection with Known, Unknown, or Partially Known Auxiliary
Latent Variables [21.35141858359507]
実際には、コミュニティメンバシップは、観測グラフのエッジ間の依存性を完全に説明していません。
補助潜在変数を持つブロックモデルと検閲ブロックモデルに従うグラフについて検討する。
半定値プログラミングにより、各最大精度の正確な回復しきい値まで、正確なリカバリが可能であることを示す。
論文 参考訳（メタデータ） (2023-01-08T21:09:03Z) - Exact Recovery of Community Detection in dependent Gaussian Mixture
Models [5.312472550578279]
ガウス混合モデルを用いたコミュニティ検出問題について検討する。
我々は,最大推定値の正確な回復に必要かつ十分な条件を証明した。
論文 参考訳（メタデータ） (2022-09-23T14:26:19Z) - Exact Community Recovery in Correlated Stochastic Block Models [6.746400031322727]
複数の相関ネットワークから潜在コミュニティ構造を学習する問題について検討する。
本研究の主な成果は,複数の相関グラフを用いた正確なコミュニティ回復のための正確な情報理論しきい値の導出である。
コミュニティリカバリとグラフマッチング文献からアルゴリズムを慎重に合成する新しいアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-03-29T16:44:38Z) - Robust Estimation for Nonparametric Families via Generative Adversarial
Networks [92.64483100338724]
我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。
我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。
技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
論文 参考訳（メタデータ） (2022-02-02T20:11:33Z) - Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。
精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
論文 参考訳（メタデータ） (2021-05-11T03:39:08Z) - Spectral clustering under degree heterogeneity: a case for the random
walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。
次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文 参考訳（メタデータ） (2021-05-03T16:36:27Z) - Graph Community Detection from Coarse Measurements: Recovery Conditions
for the Coarsened Weighted Stochastic Block Model [20.238057838577248]
グラフの粗い測定から地域社会の回復の問題を考察する。
粗粒化過程を数学的に定式化することでブロックモデルを構築する。
論文 参考訳（メタデータ） (2021-02-25T19:24:33Z)
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。