論文の概要: Structuralist analysis for neural network system diagrams
- arxiv url: http://arxiv.org/abs/2104.14810v1
- Date: Fri, 30 Apr 2021 07:50:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 21:59:21.059216
- Title: Structuralist analysis for neural network system diagrams
- Title(参考訳): ニューラルネットワークシステム図の構造論的解析
- Authors: Guy Clarke Marshall and Caroline Jay and Andre Freitas
- Abstract要約: 我々は、ニューラルネットワークシステムで使われる異種図式表記法が、この領域における意味を示唆していると論じる。
コーパス分析を用いて,著者の表象選択に従って図を定量的に分類する。
- 参考スコア(独自算出の注目度): 6.233820957059352
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This short paper examines diagrams describing neural network systems in
academic conference proceedings. Many aspects of scholarly communication are
controlled, particularly with relation to text and formatting, but often
diagrams are not centrally curated beyond a peer review. Using a corpus-based
approach, we argue that the heterogeneous diagrammatic notations used for
neural network systems has implications for signification in this domain. We
divide this into (i) what content is being represented and (ii) how relations
are encoded. Using a novel structuralist framework, we use a corpus analysis to
quantitatively cluster diagrams according to the author's representational
choices. This quantitative diagram classification in a heterogeneous domain may
provide a foundation for further analysis.
- Abstract(参考訳): 本稿では,学術会議におけるニューラルネットワークシステム記述図について考察する。
学術コミュニケーションの多くの側面は、特にテキストやフォーマッティングに関連して制御されているが、図表はピアレビュー以上の中心的にキュレートされていないことが多い。
コーパスに基づくアプローチを用いて、ニューラルネットワークシステムで使われる異種図式表記法は、この領域における意味を示唆するものであると論じる。
これを (i) 表現されているコンテンツと (ii) 関係がどのようにエンコードされるかに分ける。
新たな構造主義的フレームワークを用いて、著者の表現的選択に応じて、コーパス分析を用いて図を定量的にクラスタリングする。
このヘテロジニアスドメインの定量的ダイアグラム分類は、さらなる分析の基盤となるかもしれない。
関連論文リスト
- Relational Composition in Neural Networks: A Survey and Call to Action [54.47858085003077]
多くのニューラルネットは、データを「機能ベクトル」の線形結合として表現しているように見える。
我々は、この成功は関係性の構成を理解せずに不完全であると主張する。
論文 参考訳(メタデータ) (2024-07-19T20:50:57Z) - GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based
Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。
本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-01-17T13:04:23Z) - On Discprecncies between Perturbation Evaluations of Graph Neural
Network Attributions [49.8110352174327]
我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。
中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。
我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
論文 参考訳(メタデータ) (2024-01-01T02:03:35Z) - Classification of vertices on social networks by multiple approaches [1.370151489527964]
ソーシャルネットワークの場合、個別のコミュニティのラベルを評価することが不可欠である。
これらのインタラクションベースのエンティティそれぞれに対して、テストベンチリポジトリとして、ソーシャルグラフ、メーリングデータセット、および2つの引用セットが選択される。
本論文は,最も有用な手法だけでなく,グラフニューラルネットワークの動作方法も検討した。
論文 参考訳(メタデータ) (2023-01-13T09:42:55Z) - VisGraphNet: a complex network interpretation of convolutional neural
features [6.50413414010073]
ニューラルネットワークの特徴マップをモデル化するための可視性グラフの提案と検討を行う。
この研究は、元のデータよりもこれらのグラフによって提供される別の視点によって動機付けられている。
論文 参考訳(メタデータ) (2021-08-27T20:21:04Z) - Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。
本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文 参考訳(メタデータ) (2021-01-16T16:18:43Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳(メタデータ) (2020-09-30T04:59:10Z) - How Researchers Use Diagrams in Communicating Neural Network Systems [5.064404027153093]
本稿では,ニューラルネットワークシステム図の利用について述べる。
ダイアグラムの作成と解釈の両方において、使用法、知覚、嗜好の多様性が高いことが分かりました。
既存のガイダンスとともにインタビューデータを考慮し、ニューラルネットワークシステム図の作り方を改善するためのガイドラインを提案する。
論文 参考訳(メタデータ) (2020-08-28T10:21:03Z) - Semantic Sentiment Analysis Based on Probabilistic Graphical Models and
Recurrent Neural Network [0.0]
本研究の目的は,確率的グラフィカルモデルとリカレントニューラルネットワークに基づく感情分析を行うためのセマンティクスの利用を検討することである。
実験で使用されたデータセットは、IMDB映画レビュー、Amazon Consumer Product Review、Twitter Reviewデータセットである。
論文 参考訳(メタデータ) (2020-08-06T11:59:00Z) - Heterogeneous Graph Neural Networks for Extractive Document
Summarization [101.17980994606836]
クロス文関係は、抽出文書要約における重要なステップである。
We present a graph-based neural network for extractive summarization (HeterSumGraph)
抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
論文 参考訳(メタデータ) (2020-04-26T14:38:11Z)
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。