論文の概要: Alignment and Comparison of Directed Networks via Transition Couplings
of Random Walks
- arxiv url: http://arxiv.org/abs/2106.07106v3
- Date: Mon, 5 Feb 2024 20:06:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 21:38:09.512982
- Title: Alignment and Comparison of Directed Networks via Transition Couplings
of Random Walks
- Title（参考訳）: ランダムウォークの遷移結合による方向性ネットワークのアライメントと比較
- Authors: Bongsoo Yi, Kevin O'Connor, Kevin McGoff, Andrew B. Nobel
- Abstract要約: 本研究では,2つのネットワークの比較とアライメントのために,NetOTC (network optimal transition coupling) と呼ばれるトランスポートベースの手法について検討する。
我々はNetOTCの多くの理論的特性について検討し、その経験的性能を確立する実験を行った。
- 参考スコア（独自算出の注目度）: 5.32539007352208
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We describe and study a transport based procedure called NetOTC (network
optimal transition coupling) for the comparison and alignment of two networks.
The networks of interest may be directed or undirected, weighted or unweighted,
and may have distinct vertex sets of different sizes. Given two networks and a
cost function relating their vertices, NetOTC finds a transition coupling of
their associated random walks having minimum expected cost. The minimizing cost
quantifies the difference between the networks, while the optimal transport
plan itself provides alignments of both the vertices and the edges of the two
networks. Coupling of the full random walks, rather than their marginal
distributions, ensures that NetOTC captures local and global information about
the networks, and preserves edges. NetOTC has no free parameters, and does not
rely on randomization. We investigate a number of theoretical properties of
NetOTC and present experiments establishing its empirical performance.
- Abstract（参考訳）: 本稿では,2つのネットワークの比較とアライメントのために,NetOTC (network optimal transition coupling) と呼ばれるトランスポートベースの手法について述べる。
興味のネットワークは、方向付け、方向付け、重み付け、または非重み付けされ、異なる大きさの頂点集合を持つ。
2つのネットワークと頂点に関連するコスト関数が与えられた場合、NetOTCは最小のコストで関連するランダムウォークの遷移結合を見つける。
最小化コストはネットワーク間の差を定量化し、最適なトランスポートプラン自体は2つのネットワークの頂点とエッジの両方のアライメントを提供する。
完全なランダムウォークの結合は、その限界分布ではなく、NetOTCがネットワークのローカルおよびグローバルな情報をキャプチャし、エッジを保存することを保証する。
NetOTCには自由パラメータはなく、ランダム化に依存しない。
本稿では,netotcの理論的性質を調査し,その実験結果について述べる。
関連論文リスト
- Adaptive Genetic Selection based Pinning Control with Asymmetric Coupling for Multi-Network Heterogeneous Vehicular Systems [8.454856509502733]
本稿では,異種マルチネットワーク車載アドホックネットワーク(VANET)のためのピンニング制御手法を提案する。
まず、単一および複数ネットワーク条件下でのピンニング制御戦略の安定性を証明し、厳密な理論基盤を確立する。
本理論に基づいて,最適ピンニングノードの選択に適した適応型遺伝的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-05T11:49:26Z) - 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) - Binarizing Sparse Convolutional Networks for Efficient Point Cloud
Analysis [93.55896765176414]
我々は,効率的な点群解析のためのBSC-Netと呼ばれるバイナリスパース畳み込みネットワークを提案する。
我々は,移動したスパース畳み込みにおけるサイトマッチングに最適なオプションを見つけるために,異なる検索戦略を採用している。
我々のBSC-Netは、我々の厳格なベースラインを大幅に改善し、最先端のネットワーク双対化手法より優れています。
論文 参考訳（メタデータ） (2023-03-27T13:47:06Z) - Neural Inverse Kinematics [72.85330210991508]
逆キネマティック(英語版)(IK)法は、キネマティックチェインにおける選択された要素の所望の位置から関節のパラメータを復元する。
本稿では,問題階層構造を用いて,所望の位置に条件付き有効関節角度を逐次サンプリングするニューラルIK法を提案する。
論文 参考訳（メタデータ） (2022-05-22T14:44:07Z) - On the Effective Number of Linear Regions in Shallow Univariate ReLU
Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。
我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文 参考訳（メタデータ） (2022-05-18T16:57:10Z) - A Probabilistic Approach to Neural Network Pruning [20.001091112545065]
FCNとCNNの2つのプルーニング技術(ランダムおよび等級ベース)の性能について理論的に検討する。
その結果、対象ネットワークから指定された任意の境界内に、表現力を持つプルーンドネットワークが存在することが判明した。
論文 参考訳（メタデータ） (2021-05-20T23:19:43Z) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-23T19:00:01Z) - Ensembled sparse-input hierarchical networks for high-dimensional
datasets [8.629912408966145]
サンプルサイズが小さい環境では,高密度ニューラルネットワークが実用的なデータ解析ツールであることを示す。
提案手法は,L1-ペナルティパラメータを2つだけ調整することで,ネットワーク構造を適切に調整する。
EASIER-netは、異なるサイズの実世界のデータセットのコレクションにおいて、データ適応方式でネットワークアーキテクチャを選択し、平均的なオフザシェルフ手法よりも高い予測精度を達成した。
論文 参考訳（メタデータ） (2020-05-11T02:08:53Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2020-04-06T15:51:00Z)
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。