Fugu-MT 論文翻訳(概要): ALMA: Alternating Minimization Algorithm for Clustering Mixture Multilayer Network

論文の概要: ALMA: Alternating Minimization Algorithm for Clustering Mixture Multilayer Network

arxiv url: http://arxiv.org/abs/2102.10226v1
Date: Sat, 20 Feb 2021 01:26:55 GMT
ステータス: 処理完了
システム内更新日: 2021-02-23 15:10:19.882298
Title: ALMA: Alternating Minimization Algorithm for Clustering Mixture Multilayer Network
Title（参考訳）: ALMA: クラスタリング混合多層ネットワークのための交代最小化アルゴリズム
Authors: Xing Fan, Marianna Pensky, Feng Yu, Teng Zhang
Abstract要約: 目標は、多層ネットワークを同様のレイヤのクラスタに分割し、それらのレイヤ内のコミュニティを特定することだ。本稿では,層分割の同時回復を目的とした交互最小化アルゴリズム (ALMA) を提案する。
参考スコア（独自算出の注目度）: 20.888592224540748
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper considers a Mixture Multilayer Stochastic Block Model (MMLSBM), where layers can be partitioned into groups of similar networks, and networks in each group are equipped with a distinct Stochastic Block Model. The goal is to partition the multilayer network into clusters of similar layers, and to identify communities in those layers. Jing et al. (2020) introduced the MMLSBM and developed a clustering methodology, TWIST, based on regularized tensor decomposition. The present paper proposes a different technique, an alternating minimization algorithm (ALMA), that aims at simultaneous recovery of the layer partition, together with estimation of the matrices of connection probabilities of the distinct layers. Compared to TWIST, ALMA achieves higher accuracy both theoretically and numerically.
Abstract（参考訳）: 本論文では,Mixture Multilayer Stochastic Block Model (MMLSBM) について検討し,各グループのネットワークには異なるStochastic Block Model が設けられている。目標は、多層ネットワークを同様のレイヤのクラスタに分割し、それらのレイヤ内のコミュニティを特定することだ。 Jing et al。 (2020)はMMLSBMを導入し、正規化テンソル分解に基づくクラスタリング手法TWISTを開発した。本論文では, 層分割の同時回復を目的とした交互最小化アルゴリズム (ALMA) と, 異なる層間の接続確率の行列を推定する手法を提案する。 TWISTと比較して、ALMAは理論上も数値上も高い精度を達成する。

関連論文リスト

Community detection by spectral methods in multi-layer networks [0.0]
多層ネットワークにおけるコミュニティ検出は,ネットワーク解析において重要な問題である。 1つのアルゴリズムは隣接行列の和に基づいており、もう1つは2乗隣接行列の偏りの和を利用する。数値シミュレーションにより, このアルゴリズムは, 多層ネットワークにおける既存のコミュニティ検出手法を超越した2乗隣接行列のデバイアス和を用いていることを確認した。
論文参考訳（メタデータ） (2024-03-19T08:29:47Z)
Mixture of multilayer stochastic block models for multiview clustering [0.0]
本稿では,異なる情報源から得られた複数のクラスタリングを集約する独自の手法を提案する。モデルパラメータの同定可能性を確立し,これらのパラメータを推定するために変分ベイズEMアルゴリズムを提案する。この手法は、グローバルな食品取引網の分析に利用され、興味のある構造に繋がる。
論文参考訳（メタデータ） (2024-01-09T17:15:47Z)
Optimal Clustering of Discrete Mixtures: Binomial, Poisson, Block Models, and Multi-layer Networks [9.57586103097079]
多層ネットワークが存在する場合のクラスタリングネットワークの基本的限界について検討する。混合多層ブロックモデル (MMSBM) では, 最適ネットワーククラスタリング誤差率の最小値が指数関数形式であることを示す。本稿では,ノード分割とサンプル分割の両方を含むテンソルベースアルゴリズムを含む,新しい2段階ネットワーククラスタリング手法を提案する。
論文参考訳（メタデータ） (2023-11-27T07:48:50Z)
Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文参考訳（メタデータ） (2023-06-18T08:46:06Z)
WLD-Reg: A Data-dependent Within-layer Diversity Regularizer [98.78384185493624]
ニューラルネットワークは、勾配に基づく最適化と共同で訓練された階層構造に配置された複数の層で構成されている。我々は、この従来の「中間層」フィードバックを補うために、同じ層内での活性化の多様性を促進するために、追加の「中間層」フィードバックを補うことを提案する。本稿では,提案手法が複数のタスクにおける最先端ニューラルネットワークモデルの性能を向上させることを実証した広範な実証研究を提案する。
論文参考訳（メタデータ） (2023-01-03T20:57:22Z)
Sparse Subspace Clustering in Diverse Multiplex Network Model [4.56877715768796]
本稿では,DIMPLE(Diverse MultiPLEx)ネットワークモデルについて考察する。ネットワークのすべての層が同じノードの集合を持ち,ブロックモデルを備えている。 DIMPLEモデルは、すべての層で同じコミュニティ構造を持つ多層ネットワークを研究する複数の論文を一般化する。本稿ではスパースサブスペースクラスタリング(SSC)を用いて,同一のコミュニティ構造を持つ層群を同定する。
論文参考訳（メタデータ） (2022-06-15T15:32:23Z)
DeepCluE: Enhanced Image Clustering via Multi-layer Ensembles in Deep Neural Networks [53.88811980967342]
本稿では,Ensembles (DeepCluE) を用いたDeep Clusteringを提案する。ディープニューラルネットワークにおける複数のレイヤのパワーを活用することで、ディープクラスタリングとアンサンブルクラスタリングのギャップを埋める。 6つの画像データセットの実験結果から、最先端のディープクラスタリングアプローチに対するDeepCluEの利点が確認されている。
論文参考訳（メタデータ） (2022-06-01T09:51:38Z)
A new perspective on probabilistic image modeling [92.89846887298852]
本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。 DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
論文参考訳（メタデータ） (2022-03-21T14:53:57Z)
Gated recurrent units and temporal convolutional network for multilabel classification [122.84638446560663]
本研究は,マルチラベル分類を管理するための新しいアンサンブル手法を提案する。提案手法のコアは,Adamグラデーション最適化アプローチの変種で訓練された,ゲート再帰単位と時間畳み込みニューラルネットワークの組み合わせである。
論文参考訳（メタデータ） (2021-10-09T00:00:16Z)
Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。 7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
論文参考訳（メタデータ） (2020-12-16T13:01:37Z)
Spectral clustering via adaptive layer aggregation for multi-layer networks [6.0073653636512585]
有効凸層アグリゲーションに基づく積分スペクトルクラスタリング手法を提案する。提案手法は, 広く用いられている手法と比較して, 極めて競争力が高いことを示す。
論文参考訳（メタデータ） (2020-12-07T21:58:18Z)

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。