Fugu-MT 論文翻訳(概要): Joint Community Detection and Rotational Synchronization via Semidefinite Programming

論文の概要: Joint Community Detection and Rotational Synchronization via Semidefinite Programming

arxiv url: http://arxiv.org/abs/2105.06031v2
Date: Thu, 14 Sep 2023 06:09:09 GMT
ステータス: 処理完了
システム内更新日: 2023-09-15 20:10:14.192163
Title: Joint Community Detection and Rotational Synchronization via Semidefinite Programming
Title（参考訳）: 半定義型プログラミングによる共同コミュニティ検出と回転同期
Authors: Yifeng Fan, Yuehaw Khoo and Zhizhen Zhao
Abstract要約: ランダムに回転したオブジェクトを複数の下位カテゴリに分類する異種データが存在する場合、それらをクラスタに分類し、ペア関係に基づいて同期させることは困難である。本稿では, 半定値緩和を連続的に提案し, お祝いブロックモデルをこの新しい設定に拡張する際の正確な回復を実証する。数値実験により,提案アルゴリズムの有効性を実証し,正確な回復のための急激な相転移を示す理論的結果を確認する。
参考スコア（独自算出の注目度）: 17.845257705485533
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the presence of heterogeneous data, where randomly rotated objects fall into multiple underlying categories, it is challenging to simultaneously classify them into clusters and synchronize them based on pairwise relations. This gives rise to the joint problem of community detection and synchronization. We propose a series of semidefinite relaxations, and prove their exact recovery when extending the celebrated stochastic block model to this new setting where both rotations and cluster identities are to be determined. Numerical experiments demonstrate the efficacy of our proposed algorithms and confirm our theoretical result which indicates a sharp phase transition for exact recovery.
Abstract（参考訳）: ランダムに回転したオブジェクトを複数の下位カテゴリに分類する異種データが存在する場合、それらをクラスタに分類し、ペア関係に基づいて同期させることは困難である。これにより、コミュニティの検出と同期に関する共同問題が発生する。本論文では, 確率ブロックモデルを, 回転とクラスタの同一性の両方が決定されるような新しい環境に拡張する際の, 半有限緩和法を提案する。数値実験により,提案アルゴリズムの有効性を実証し,精密回復のための鋭い相転移を示す理論的結果を確認した。

関連論文リスト

Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文参考訳（メタデータ） (2023-11-02T16:45:25Z)
Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文参考訳（メタデータ） (2023-05-11T10:30:35Z)
Rotation Synchronization via Deep Matrix Factorization [24.153207403324917]
ニューラルネットワークによる回転同期の定式化に着目する。ディープ・マトリックス・コンプリートにインスパイアされた我々は、ディープ・ニューラルネットワークによる行列分解という観点から回転同期を表現した。我々の定式化は暗黙の正規化特性を示し、さらに重要なことは教師なしである。
論文参考訳（メタデータ） (2023-05-09T08:46:05Z)
Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised Person Re-Identification [80.98291772215154]
教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。本稿では, Pseudo Label Refinement フレームワークを提案する。
論文参考訳（メタデータ） (2022-11-30T09:39:57Z)
Predicting the State of Synchronization of Financial Time Series using Cross Recurrence Plots [75.20174445166997]
本研究では,2つの金融時系列の動的同期の将来の状態を予測する新しい手法を提案する。我々は,同期状態の予測を方法論的に扱うためのディープラーニングフレームワークを採用する。 2つの時系列の同期状態を予測するタスクは、一般的には難しいが、ある種の在庫は、非常に良好な性能で達成できる。
論文参考訳（メタデータ） (2022-10-26T10:22:28Z)
Multi-Frequency Joint Community Detection and Phase Synchronization [22.683901672480353]
本稿では, 相対位相をもつテクスト確率ブロックモデルにおける共同コミュニティ検出と位相同期問題について検討する。本稿では,その最大推定値(MLE)の定式化を精査し,テキストマルチ周波数構造を示す。 MLEの定式化を利用して、複数の周波数にまたがる情報から得られる2つの単純かつ効率的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-06-16T23:08:27Z)
Perfect Spectral Clustering with Discrete Covariates [68.8204255655161]
本稿では,大規模なスパースネットワークのクラスにおいて,高い確率で完全クラスタリングを実現するスペクトルアルゴリズムを提案する。本手法は,スペクトルクラスタリングによる一貫した潜在構造回復を保証する最初の方法である。
論文参考訳（メタデータ） (2022-05-17T01:41:06Z)
A Spectral Method for Joint Community Detection and Orthogonal Group Synchronization [20.413250472034143]
我々は、スペクトル分解ステップとブロックワイドカラムピボットQR因子分解(CPQR)からなる単純なアルゴリズムを提案する。提案アルゴリズムは効率的で,データ点数に応じて線形にスケールする。また、最近開発されたLeft-one-out技術を利用して、クラスタメンバシップの正確なリカバリをほぼ最適に保証する。
論文参考訳（メタデータ） (2021-12-25T07:38:14Z)
Learning Iterative Robust Transformation Synchronization [71.73273007900717]
グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。本研究では、ロバストな損失関数のハンドクラフトを回避するとともに、グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
論文参考訳（メタデータ） (2021-11-01T07:03:14Z)
Near-Optimal Performance Bounds for Orthogonal and Permutation Group Synchronization via Spectral Methods [0.7614628596146599]
グループ同期は、それぞれの測定値からグループ要素を復元することを要求する。スペクトル法は効率と利便性で大人気でしたランダムな乱れの下での置換群同期では、広く使われている2段階の手順がすべての群要素を正確に復元できることが示される。
論文参考訳（メタデータ） (2020-08-12T14:20:16Z)
Mixture Representation Learning with Coupled Autoencoders [1.589915930948668]
我々は、cpl-mixVAEと呼ばれる複数の相互作用ネットワークを用いた教師なし変分フレームワークを提案する。このフレームワークでは、各ネットワークの混合表現は、離散因子にコンセンサス制約を課すことで正規化される。提案手法を用いて,単細胞転写データセットにおける遺伝子発現を記述した変数の離散的・連続的因子を共同で発見する。
論文参考訳（メタデータ） (2020-07-20T04:12:04Z)

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。