論文の概要: Identifying hidden coalitions in the US House of Representatives by optimally partitioning signed networks based on generalized balance

• arxiv url: http://arxiv.org/abs/2105.01913v4
• Date: Wed, 27 Jul 2022 00:54:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-01 13:24:51.128212
• Title: Identifying hidden coalitions in the US House of Representatives by optimally partitioning signed networks based on generalized balance
• Title（参考訳）: 一般化均衡に基づく署名ネットワークの最適分割による米国下院における隠れた連立の同定
• Authors: Samin Aref and Zachary P. Neal
• Abstract要約: 本稿では,2つの線形プログラミングモデルを用いて,米国下院において協調のネットワークを分割できることを示す。 3つのクラスタパーティションは従来の2つのクラスタパーティションよりも優れており、それ以外は隠れた第3の連立政権は、非常に効果的な立法者で構成されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In network science, identifying optimal partitions of a signed network into internally cohesive and mutually divisive clusters based on generalized balance theory is computationally challenging. We reformulate and generalize two binary linear programming models that tackle this challenge, demonstrating their practicality by applying them them to partition networks of collaboration in the US House of Representatives. These models guarantee a globally optimal network partition and can be practically applied to signed networks containing up to 30,000 edges. In the US House context, we find that a three-cluster partition is better than a conventional two-cluster partition, where the otherwise hidden third coalition is composed of highly effective legislators who are ideologically aligned with the majority party.
• Abstract（参考訳）: ネットワーク科学において、一般化バランス理論に基づいて、符号付きネットワークの最適分割を内部結合性および相互分割クラスタに識別することは、計算的に困難である。 我々は,この課題に取り組む2つの二項線形プログラミングモデルを再構成し,一般化し,米国下院におけるコラボレーションの分断ネットワークに適用することにより,その実用性を示す。 これらのモデルは、グローバルに最適なネットワーク分割を保証し、最大30,000のエッジを含む署名付きネットワークに実質的に適用することができる。 米国下院の文脈では、3つのクラスタの分割は従来の2つのクラスタの分割よりも優れており、他の隠れた第3の連立政権は、イデオロギー的に多数派と一致した非常に効果的な立法者で構成されている。

関連論文リスト

• Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
  本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。 これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。 我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
  論文  参考訳（メタデータ） (2024-07-22T23:24:03Z)
• FedCCL: Federated Dual-Clustered Feature Contrast Under Domain Heterogeneity [43.71967577443732]
  フェデレートラーニング(FL)は、エッジクライアントと中央サーバとのコラボレーションを通じて、プライバシ保護のニューラルネットワークトレーニングパラダイムを促進する。 最近の研究は、単に正規化の形式として平均的な信号を使い、これらの非IID課題の1つの側面にのみ焦点をあてることに限られている。 マルチクラスタ機能を持つコントラストベースのFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-14T13:56:30Z)
• Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
  マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。 マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。 提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-06T02:35:35Z)
• Unsupervised Deep Probabilistic Approach for Partial Point Cloud Registration [74.53755415380171]
  ディープポイントクラウド登録手法は、部分的に重複し、ラベル付きデータに依存するという課題に直面している。 部分的な重なりを持つ点雲に対する教師なしの深い確率的登録フレームワークであるUDPRegを提案する。 UDPRegは3DMatch/3DLoMatchとModelNet/ModelLoNetベンチマークの競合性能を実現しています。
  論文  参考訳（メタデータ） (2023-03-23T14:18:06Z)
• A pseudo-likelihood approach to community detection in weighted networks [4.111899441919165]
  本研究では,通常分布するエッジ重みを持つネットワークに対して,擬似的なコミュニティ推定アルゴリズムを提案する。 提案手法により得られた推定値が均質ネットワークの仮定の下で一貫したものであることを証明した。 シミュレーションネットワークとfMRIデータセットで、エッジウェイトは脳領域間の接続を表現している。
  論文  参考訳（メタデータ） (2023-03-10T13:36:10Z)
• Heterogeneous Tri-stream Clustering Network [19.020799713145056]
  本稿ではヘテロジニアス三ストリームクラスタリングネットワーク(HTCN)と呼ばれる新しいエンドツーエンドのディープクラスタリング手法を提案する。 HTCNは2つの重み付けオンラインネットワークとターゲットネットワークを含む3つの主要コンポーネントで構成されている。 4つの挑戦的なイメージデータセットの結果は、最先端のディープクラスタリングアプローチよりもHTCNの方が優れていることを示している。
  論文  参考訳（メタデータ） (2023-01-11T13:15:54Z)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Full network nonlocality [68.8204255655161]
  ネットワーク内のすべてのリンクが非ローカルリソースを分散するために必要となる相関関係を記述した完全ネットワーク非ローカル性の概念を導入する。 最もよく知られているネットワークベル試験では,ネットワークの非局所性は見られていない。 より一般に、ネットワーク内の局所的および理論に依存しない相関を解析するための確立された手法は、完全なネットワーク非局所性のための十分な条件を導出するために組み合わせることができると指摘する。
  論文  参考訳（メタデータ） (2021-05-19T18:00:02Z)
• ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
  本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。 まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。 提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-07T02:12:02Z)

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。