論文の概要: Community Detection in Weighted Multilayer Networks with Ambient Noise

• arxiv url: http://arxiv.org/abs/2103.00486v2
• Date: Tue, 2 Mar 2021 05:05:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:46:44.997092
• Title: Community Detection in Weighted Multilayer Networks with Ambient Noise
• Title（参考訳）: 環境騒音を考慮した重み付き多層ネットワークにおけるコミュニティ検出
• Authors: Mark He, Dylan Lu, Jason Xu, Rose Mary Xavier
• Abstract要約: 本稿では,グローバル環境雑音の存在を考慮した多層重み付きネットワークのブロックモデルについて紹介する。 フィラデルフィア神経発達コホートに着目し,精神病症状と精神病との関連性について検討した。
• 参考スコア（独自算出の注目度）: 8.21448246263952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a novel class of stochastic blockmodel for multilayer weighted networks that accounts for the presence of a global ambient noise that governs between-block interactions. We induce a hierarchy of classifications in weighted multilayer networks by assuming that all but one cluster (block) are governed by unique local signals, while a single block is classified as ambient noise, which behaves identically as interactions across differing blocks. Hierarchical variational inference is employed to jointly detect and typologize block-structures as local signals or global noise. These principles are incorporated into novel community detection algorithm called Stochastic Block (with) Ambient Noise Model (SBANM) for multilayer weighted networks. We apply this method to several different domains. We focus on the Philadelphia Neurodevelopmental Cohort to discover communities of subjects that form diagnostic categories relating psychopathological symptoms to psychosis.
• Abstract（参考訳）: 本稿では,ブロック間相互作用を管理する大域的環境雑音の存在を考慮した,多層重み付きネットワークのための新しい確率的ブロックモデルを提案する。 重み付き多層ネットワークにおける分類階層は、1つのクラスタ(ブロック)以外はすべて一意な局所信号によって制御されていると仮定し、一方1ブロックは周囲ノイズに分類され、異なるブロック間の相互作用として同一に振る舞う。 階層的変動推論を用いてブロック構造を局所信号や大域雑音として共同で検出・分類する。 これらの原理は、マルチ層重み付きネットワークのためのSBANM(Stochastic Block)と呼ばれる新しいコミュニティ検出アルゴリズムに組み込まれている。 この手法を複数の異なる領域に適用する。 我々はフィラデルフィア神経発達コホートに着目し,精神病症状と精神病に関連する診断カテゴリーを形成する被験者のコミュニティを探索する。

関連論文リスト

• Discriminative community detection for multiplex networks [20.810096547938166]
  スペクトルクラスタリングに基づく2つの識別的コミュニティ検出アルゴリズムを提案する。 第1のアプローチは、グループ間の識別サブグラフ構造を識別することを目的としており、第2のアプローチは、識別サブグラフ構造とコンセンサスコミュニティ構造を同時に学習する。
  論文  参考訳（メタデータ） (2024-09-30T14:48:45Z)
• Noise classification in small quantum networks by Machine Learning [0.0]
  力学のマルコフ的特徴の認識を目的とした機械学習に基づく雑音分類について検討する。 Adiabatic Passage (TAPC) またはStimulated Raman Adiabatic Passage (STIRAP) によるコヒーレントトンネル制御を3レベルシステムで行う。 3つの非マルコフノイズ(準静的相関、反相関、非相関)とマルコフノイズ機構は99%の精度で分類される。
  論文  参考訳（メタデータ） (2024-05-03T10:40:26Z)
• Fundamental limits of community detection from multi-view data: multi-layer, dynamic and partially labeled block models [7.778975741303385]
  現代のネットワーク分析におけるマルチビューデータのコミュニティ検出について検討する。 我々は,データと潜在パラメータ間の相互情報を特徴付ける。 コミュニティ検出のための近似メッセージパッシングに基づく反復アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T07:13:32Z)
• Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
  我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。 本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T14:47:52Z)
• Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
  我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。 クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
  論文  参考訳（メタデータ） (2022-12-30T10:54:29Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Community detection in multiplex networks based on orthogonal nonnegative matrix tri-factorization [26.53951886710295]
  我々は,各層に共通するコミュニティと,各層に固有のコミュニティを識別する,新しい多重化コミュニティ検出手法を導入する。 提案アルゴリズムは, 合成および実多重化の両方で評価し, 最先端技術と比較した。
  論文  参考訳（メタデータ） (2022-05-02T02:33:15Z)
• Unsupervised Clustered Federated Learning in Complex Multi-source Acoustic Environments [75.8001929811943]
  現実的で挑戦的なマルチソース・マルチルーム音響環境を導入する。 本稿では,音響シーンの変動を考慮したクラスタリング制御手法を提案する。 提案手法はクラスタリングに基づく測度を用いて最適化され,ネットワークワイド分類タスクによって検証される。
  論文  参考訳（メタデータ） (2021-06-07T14:51:39Z)
• Global and Individualized Community Detection in Inhomogeneous Multilayer Networks [14.191073951237772]
  ネットワークアプリケーションでは、同じ主題の集合上で観測される複数のネットワークの形でデータセットを取得することがますます一般的になっている。 このようなデータセットは、各レイヤが別々のネットワーク自身であるマルチレイヤネットワークによってモデル化され、異なるレイヤが関連付けられ、共通の情報を共有することができる。 本稿では,非均質な多層ネットワークモデルを用いたスタイリングによるコミュニティ検出について検討する。
  論文  参考訳（メタデータ） (2020-12-02T02:42:52Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)

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。