論文の概要: A QUBO formulation for top-$\tau$ eigencentrality nodes

• arxiv url: http://arxiv.org/abs/2105.00172v4
• Date: Sun, 10 Jul 2022 01:44:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-01 21:43:46.831276
• Title: A QUBO formulation for top-$\tau$ eigencentrality nodes
• Title（参考訳）: トップ$\tau$固有分散ノードに対するQUBO定式化
• Authors: Prosper D. Akrobotu, Tamsin E. James, Christian F. A. Negre, and Susan M. Mniszewski
• Abstract要約: 本稿では,ネットワークの固有ベクトルから得られるスコアでネットワークのノードの重要度をランク付けする,固有分散性問題の解決の基礎を定めている。 この問題は、量子アーキテクチャの両方で解ける2次非制約バイナリ最適化(QUBO)として再構成される。 その結果、D-Wave と IBM の量子コンピュータ上でのネットワーク内の最高固有中央性ノードを最大$tau$で識別する問題のQUBO定式化のスパースベクトル解によって与えられる多数のネットワークにおいて、与えられた最も重要なノードの数を正確に特定することに焦点を当てた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The efficient calculation of the centrality or "hierarchy" of nodes in a network has gained great relevance in recent years due to the generation of large amounts of data. The eigenvector centrality (aka eigencentrality) is quickly becoming a good metric for centrality due to both its simplicity and fidelity. In this work we lay the foundations for solving the eigencentrality problem of ranking the importance of the nodes of a network with scores from the eigenvector of the network, using quantum computational paradigms such as quantum annealing and gate-based quantum computing. The problem is reformulated as a quadratic unconstrained binary optimization (QUBO) that can be solved on both quantum architectures. The results focus on correctly identifying a given number of the most important nodes in numerous networks given by the sparse vector solution of our QUBO formulation of the problem of identifying the top-$\tau$ highest eigencentrality nodes in a network on both the D-Wave and IBM quantum computers
• Abstract（参考訳）: ネットワークにおけるノードの集中性や階層性の効率的な計算は、近年、大量のデータの生成によって、非常に重要視されている。 固有ベクトル中心性(いわゆる固有中央性)は、その単純さと忠実さの両方から、急速に中心性のための良い計量になりつつある。 本研究では,量子アニーリングやゲート型量子コンピューティングといった量子計算パラダイムを用いて,ネットワークの固有ベクトルのスコアによるノードの重要度をランク付けする,ネットワークの固有集中性問題を解決するための基礎を提示する。 この問題は量子アーキテクチャの両方で解ける2次非制約バイナリ最適化(QUBO)として再構成される。 その結果,D-Wave と IBM の量子コンピュータ上でのネットワークにおいて,トップ$\tau$ の高次固有分散ノードを識別する問題の QUBO 定式化のスパースベクトル解によって与えられる多数のネットワークにおける最重要ノードの特定に焦点が当てられた。

関連論文リスト

• Core-Intermediate-Peripheral Index: Factor Analysis of Neighborhood and Shortest Paths-based Centrality Metrics [0.0]
  本稿では,コアノードがコアノードの役割を担える範囲を捉えるために,コア中間周辺指数(CIP)と呼ばれる新しい指標を提案する。 当社のアプローチは、12の複雑な現実世界ネットワークの多様なスイートでテストしています。
  論文  参考訳（メタデータ） (2023-10-10T06:52:20Z)
• A Control Architecture for Entanglement Generation Switches in Quantum Networks [1.0282274843007797]
  量子ネットワークノード間の絡み合いは、しばしば仲介局などの中間装置をリソースとして生成する。 本稿では、EGS(Entanglement Generation Switch)と呼ばれる中央量子ネットワークハブを介して、多くの量子ネットワークノードを接続するコスト効率の高いアーキテクチャを提案する。 EGSは、複数の量子ノードを固定リソースコストで接続することを可能にし、絡み合うのに必要なリソースを共有する。
  論文  参考訳（メタデータ） (2023-09-05T10:06:48Z)
• Communication-Efficient Decentralized Federated Learning via One-Bit Compressive Sensing [52.402550431781805]
  分散連合学習(DFL)は、様々なアプリケーションにまたがる実用性によって人気を博している。 集中型バージョンと比較して、DFLの多数のノード間で共有モデルをトレーニングするのはより難しい。 我々は,iADM (iexact alternating direction method) の枠組みに基づく新しいアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-08-31T12:22:40Z)
• Network Centralities in Quantum Entanglement Distribution due to User Preferences [5.243460995467895]
  本稿では,ピアツーピア接続の利用パターンによって絡み合いのリンク層トポロジが駆動される場合のネットワークの中央性について検討する。 このことは、絡み合ったグラフのエッジ中心性(絡み合い分布における個々のエッジの使用として測定される)が、電力法則分布に従うことを示している。 これらの発見は、高い信頼性と低いデコヒーレンス時間を持つ量子技術のような量子資源管理において、高い集中度を持つエッジに割り当てられる可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T07:00:09Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)
• Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness [53.351863569314794]
  クリティカルノード問題(CNP)は、削除が残余ネットワークのペア接続性を最大に低下させるネットワークから臨界ノードの集合を見つけることを目的としている。 本研究は,ノード表現のための特徴重要度対応グラフアテンションネットワークを提案する。 ダブルディープQネットワークと組み合わせて、初めてCNPを解くエンドツーエンドのアルゴリズムを作成する。
  論文  参考訳（メタデータ） (2021-12-03T14:23:05Z)
• Identifying Influential Nodes in Two-mode Data Networks using Formal Concept Analysis [0.0]
  Bi-face (BF) は、2モードネットワークにおける重要なノードを特定するための新しい二部集中度測定である。 オフ・ザ・シェルフ中心性指数とは違って、あるノードが隣り合うノードに粘着的サブ構造がどう影響するかを双斜線で定量化する。 いくつかの実世界および合成ネットワークに関する実験は、既存の顕著な二分極集中度よりもBFの効率が良いことを示す。
  論文  参考訳（メタデータ） (2021-09-07T23:57:05Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• Approximating Network Centrality Measures Using Node Embedding and Machine Learning [0.0]
  本稿では,ニューラルネットワークとグラフ埋め込み技術を用いて,大規模ネットワークにおけるノード中心性を効率的に近似する手法を提案する。 提案手法は,グラフ埋め込み (NCA-GE) を用いたネットワーク中央性近似 (Network Centrality Approximation) と題され,グラフの隣接行列と各ノードの機能セットを用いる。 NCA-GEは、グラフのエッジの集合である$O(|E|)$, $E$の時間複雑性を持ち、大きなネットワークに適している。
  論文  参考訳（メタデータ） (2020-06-29T21:19:40Z)
• Quantized Decentralized Stochastic Learning over Directed Graphs [52.94011236627326]
  有向グラフ上で通信する計算ノード間でデータポイントが分散される分散学習問題を考える。 モデルのサイズが大きくなるにつれて、分散学習は、各ノードが隣人にメッセージ(モデル更新)を送信することによる通信負荷の大きなボトルネックに直面します。 本稿では,分散コンセンサス最適化におけるプッシュサムアルゴリズムに基づく有向グラフ上の量子化分散学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-23T18:25:39Z)

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。