論文の概要: Node metadata can produce predictability transitions in network inference problems

• arxiv url: http://arxiv.org/abs/2103.14424v1
• Date: Fri, 26 Mar 2021 12:08:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 18:37:26.678877
• Title: Node metadata can produce predictability transitions in network inference problems
• Title（参考訳）: ノードメタデータは、ネットワーク推論問題における予測可能性遷移を生成する
• Authors: Oscar Fajardo-Fontiveros, Marta Sales-Pardo, Roger Guimera
• Abstract要約: ネットワークメタデータがネットワーク推論に及ぼす影響について検討する。 推論に徐々に影響を及ぼすのではなく、メタデータを追加することで推論プロセスに突然の遷移が生じることが分かっています。 メタデータはデータ支配型とメタデータ支配型の間での遷移における推論プロセスに最適に寄与すると結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Network inference is the process of learning the properties of complex networks from data. Besides using information about known links in the network, node attributes and other forms of network metadata can help to solve network inference problems. Indeed, several approaches have been proposed to introduce metadata into probabilistic network models and to use them to make better inferences. However, we know little about the effect of such metadata in the inference process. Here, we investigate this issue. We find that, rather than affecting inference gradually, adding metadata causes abrupt transitions in the inference process and in our ability to make accurate predictions, from a situation in which metadata does not play any role to a situation in which metadata completely dominates the inference process. When network data and metadata are partly correlated, metadata optimally contributes to the inference process at the transition between data-dominated and metadata-dominated regimes.
• Abstract（参考訳）: ネットワーク推論は、複雑なネットワークの性質をデータから学習するプロセスである。 ネットワーク内の既知のリンクに関する情報に加えて、ノード属性やその他の形式のネットワークメタデータは、ネットワーク推論の問題を解決するのに役立つ。 実際、確率的ネットワークモデルにメタデータを導入し、より良い推論を行うためのいくつかのアプローチが提案されている。 しかし、このようなメタデータが推論プロセスに与える影響についてはほとんど分かっていない。 ここではこの問題を調査します。 メタデータが徐々に推論に影響を与えるのではなく、メタデータが推論プロセスを完全に支配する状況にメタデータが関与しない状況から、推論プロセスと正確な予測を行う能力の急激な遷移を引き起こす。 ネットワークデータとメタデータが部分的に相関している場合、メタデータはデータ支配型とメタデータ支配型間の遷移における推論プロセスに最適に寄与する。

関連論文リスト

• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Amortised Inference in Neural Networks for Small-Scale Probabilistic Meta-Learning [41.85464593920907]
  BNNに対する大域的変分近似は、一連の条件分布を構成するために一連のインジェクションインプットを使用する。 我々の重要な洞察は、これらのインプットを実際のデータに置き換えることができ、変動分布は各データポイントに対して近似的な確率の集合からなることである。 この推論ネットワークを関連するデータセット間でトレーニングすることにより、タスク固有のBNNに対するメタ学習ベイズ推論が可能になる。
  論文  参考訳（メタデータ） (2023-10-24T12:34:25Z)
• MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
  本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。 機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。 本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
  論文  参考訳（メタデータ） (2022-10-24T15:14:26Z)
• Decomposing neural networks as mappings of correlation functions [57.52754806616669]
  本研究では,ディープフィードフォワードネットワークによって実装された確率分布のマッピングについて検討する。 ニューラルネットワークで使用できる異なる情報表現と同様に、データに不可欠な統計を識別する。
  論文  参考訳（メタデータ） (2022-02-10T09:30:31Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• How effective are Graph Neural Networks in Fraud Detection for Network Data? [0.0]
  グラフベースニューラルネットワーク(GNN)は、ノード(およびグラフ)の表現を学習するために作成された最近のモデルである。 金融詐欺は社会経済的関連性や、正の(詐欺)と負の(定期的な)取引(英語版)の間の極端な不均衡など、特定の課題を提示することで際立っている。 この2つの課題を考慮し,既存のネットワーク不正検出手法の評価実験を行った。
  論文  参考訳（メタデータ） (2021-05-30T15:17:13Z)
• Metadata Normalization [54.43363251520749]
  バッチ正規化(bn)は、バッチ統計の標準化によって特徴分布を正規化する。 BNは外部変数や複数の分布からの影響を補正していない。 トレーニングフレームワーク内でエンドツーエンドで使用できる新しいバッチレベルのオペレーションであるMetadata Normalizationレイヤを紹介します。
  論文  参考訳（メタデータ） (2021-04-19T05:10:26Z)
• MixCon: Adjusting the Separability of Data Representations for Harder Data Recovery [39.66478626913495]
  我々は、データユーティリティと脆弱性間のトレードオフを制御し、攻撃を反転させる手段として、隠れたデータ表現の分離性を調整する客観的関数を設計する。 本手法は,ニューラルネットワークトレーニングにおけるデータ分離可能性の理論的洞察と,モデル反転の硬さに関する結果に動機付けられている。
  論文  参考訳（メタデータ） (2020-10-22T06:02:44Z)
• Joint Inference of Diffusion and Structure in Partially Observed Social Networks Using Coupled Matrix Factorization [3.399624105745357]
  本稿では、部分的に観測されたデータからモデルを学び、観測されていない拡散と構造ネットワークを推定する。 提案手法では,ノードとカスケードプロセスの相互関係を,学習因子と低次元潜在因子を用いて利用した。 これらの合成および実世界のデータセットの実験により、提案手法は見えない社会行動を検出し、リンクを予測し、潜伏した特徴を識別することに成功した。
  論文  参考訳（メタデータ） (2020-10-03T17:48:57Z)
• Meta Feature Modulator for Long-tailed Recognition [37.90990378643794]
  本稿では,長期訓練データとバランスの取れたメタデータの違いを表現学習の観点からモデル化するメタラーニングフレームワークを提案する。 さらに、変調パラメータの生成を誘導するモジュレータネットワークを設計し、そのようなメタラーナは、他の長い尾を持つデータセットの分類ネットワークのトレーニングに容易に適応することができる。
  論文  参考訳（メタデータ） (2020-08-08T03:19:03Z)
• On Robustness and Transferability of Convolutional Neural Networks [147.71743081671508]
  現代の深層畳み込みネットワーク(CNN)は、分散シフトの下で一般化しないとしてしばしば批判される。 現代画像分類CNNにおける分布外と転送性能の相互作用を初めて検討した。 トレーニングセットとモデルサイズを増大させることで、分散シフトロバスト性が著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-16T18:39:04Z)

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。