論文の概要: Federated Myopic Community Detection with One-shot Communication

• arxiv url: http://arxiv.org/abs/2106.07255v1
• Date: Mon, 14 Jun 2021 09:17:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:27:00.394606
• Title: Federated Myopic Community Detection with One-shot Communication
• Title（参考訳）: ワンショットコミュニケーションによるフェデレーションミオピックコミュニティの検出
• Authors: Chuyang Ke, Jean Honorio
• Abstract要約: フェデレートラーニングにおけるミオピックネットワークのコミュニティ構造回復の課題について検討する。 このパラダイムの下では、いくつかのクライアントが存在し、それぞれがミオピックビューを持ち、ネットワークの小さなサブグラフを観察します。 クライアントのエビデンスから合意署名付き重み付きグラフを計算し、中央サーバの基盤となるネットワーク構造を復元する効率的なアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 31.930675913174742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study the problem of recovering the community structure of a network under federated myopic learning. Under this paradigm, we have several clients, each of them having a myopic view, i.e., observing a small subgraph of the network. Each client sends a censored evidence graph to a central server. We provide an efficient algorithm, which computes a consensus signed weighted graph from clients evidence, and recovers the underlying network structure in the central server. We analyze the topological structure conditions of the network, as well as the signal and noise levels of the clients that allow for recovery of the network structure. Our analysis shows that exact recovery is possible and can be achieved in polynomial time. We also provide information-theoretic limits for the central server to recover the network structure from any single client evidence. Finally, as a byproduct of our analysis, we provide a novel Cheeger-type inequality for general signed weighted graphs.
• Abstract（参考訳）: 本稿では,フェデレーション・ミオピック学習におけるネットワークのコミュニティ構造回復の課題について考察する。 このパラダイムの下では、いくつかのクライアントが存在し、それぞれが筋電図ビュー、すなわちネットワークの小さなサブグラフを観察する。 各クライアントは、検閲された証拠グラフを中央サーバに送信する。 クライアントのエビデンスから合意署名付き重み付きグラフを計算し、中央サーバの基盤となるネットワーク構造を復元する効率的なアルゴリズムを提案する。 ネットワークのトポロジ的構造条件と,ネットワーク構造の回復を可能にするクライアントの信号および雑音レベルを解析する。 本分析は, 正確な回復が可能であり, 多項式時間で達成可能であることを示す。 また、中央サーバが単一のクライアント証拠からネットワーク構造を復元するための情報理論上の制限も提供します。 最後に,本解析の副産物として,一般符号付き重み付きグラフに対する新しいチーガー型不等式を提案する。

関連論文リスト

• Signed Graph Autoencoder for Explainable and Polarization-Aware Network Embeddings [20.77134976354226]
  署名付きネットワーク用に設計されたSGAAE(Signed Graph Archetypal Autoencoder)フレームワーク。 SGAAEは、異なる極端プロファイル上でノードメンバシップを表現するノードレベル表現を抽出する。 モデルは、実世界の4つのデータセット間で署名付きリンク予測の異なるタスクで高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-09-16T16:40:40Z)
• Changepoint Detection in Highly-Attributed Dynamic Graphs [0.0]
  グラフニューラルネットワークを利用して、各スナップショットのモジュラリティを推定します。 提案手法は,高度に分散されたネットワークにおける変化を検出できることを示すシミュレーションによって検証される。 提案手法は,#Iran Twitterの応答ネットワーク内で実世界のイベントを検出することができる。
  論文  参考訳（メタデータ） (2024-07-09T16:12:44Z)
• 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)
• Unsupervised Graph Attention Autoencoder for Attributed Networks using K-means Loss [0.0]
  我々は、属性付きネットワークにおけるコミュニティ検出のための、教師なしのtextbfGraph Attention textbfAutotextbfEncoder に基づく、シンプルで効率的なクラスタリング指向モデルを提案する。 提案モデルは,ネットワークのトポロジと属性情報の両方から表現を十分に学習し,同時に2つの目的,すなわち再構築とコミュニティ発見に対処する。
  論文  参考訳（メタデータ） (2023-11-21T20:45:55Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
  我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。 ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
  論文  参考訳（メタデータ） (2020-11-26T14:43:04Z)
• 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)
• Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
  グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。 GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
  論文  参考訳（メタデータ） (2020-06-23T04:13:23Z)

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。