論文の概要: Online non-parametric change-point detection for heterogeneous data
streams observed over graph nodes
- arxiv url: http://arxiv.org/abs/2110.10518v1
- Date: Wed, 20 Oct 2021 12:10:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 14:32:04.433629
- Title: Online non-parametric change-point detection for heterogeneous data
streams observed over graph nodes
- Title（参考訳）: グラフノード上で観測された異種データストリームのオンライン非パラメトリック変化点検出
- Authors: Alejandro de la Concha and Argyris Kalogeratos and Nicolas Vayatis
- Abstract要約: 本稿では,各ノードのデータストリームに関連付けられた後変化分布と前変化分布の確率比の直接推定に基づいて,$tau$を推定するオンラインノンパラメトリック手法を提案する。
合成実験と実世界の応用について,本手法の質を実証する。
- 参考スコア（独自算出の注目度）: 79.94639436527454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider a heterogeneous data stream being generated by the nodes of a graph.
The data stream is in essence composed by multiple streams, possibly of
different nature that depends on each node. At a given moment $\tau$, a
change-point occurs for a subset of nodes $C$, signifying the change in the
probability distribution of their associated streams. In this paper we propose
an online non-parametric method to infer $\tau$ based on the direct estimation
of the likelihood-ratio between the post-change and the pre-change distribution
associated with the data stream of each node. We propose a kernel-based method,
under the hypothesis that connected nodes of the graph are expected to have
similar likelihood-ratio estimates when there is no change-point. We
demonstrate the quality of our method on synthetic experiments and real-world
applications.
- Abstract（参考訳）: グラフのノードによって生成される異種データストリームを考える。
データストリームは本質的に複数のストリームで構成されており、おそらく各ノードに依存する異なる性質を持つ。
ある時点の$\tau$では、変更点がノードのサブセットの$C$に対して発生し、関連するストリームの確率分布の変化を示す。
本稿では,各ノードのデータストリームに関連付けられた後変化分布と前変化分布の確率比の直接推定に基づいて,$\tau$を推定するオンラインノンパラメトリック手法を提案する。
本稿では,グラフの連結ノードが変化点がない場合に類似の確率比推定値を持つことを想定したカーネルベース手法を提案する。
合成実験と実世界の応用において,本手法の質を実証する。
関連論文リスト
- Leveraging Invariant Principle for Heterophilic Graph Structure Distribution Shifts [42.77503881972965]
Heterophilic Graph Neural Networks (HGNN) は、グラフ上の半教師付き学習タスクに対して有望な結果を示している。
この構造差や分布シフトを扱うために、異種グラフ上の不変ノード表現を学習する方法は、まだ解明されていない。
異種情報を組み込んだ不変ノード表現を生成可能なフレームワークである textbfHEI を提案する。
論文 参考訳（メタデータ） (2024-08-18T14:10:34Z) - Online Centralized Non-parametric Change-point Detection via Graph-based
Likelihood-ratio Estimation [77.81487285123147]
グラフの各ノードを、ほぼリアルタイムで同期して観測されるデータストリームを生成するようにします。
変更ポイント$tau$では、変更はノードのサブセット$C$で発生し、関連するノードストリームの確率分布に影響を与える。
本稿では,ポストチェンジとノードストリームの事前変更分布の確率比の直接推定に基づいて,$tau$を検出して$C$をローカライズするカーネルベースの新しい手法を提案する。
論文 参考訳（メタデータ） (2023-01-08T10:15:24Z) - Graph Convolutional Neural Networks with Diverse Negative Samples via
Decomposed Determinant Point Processes [21.792376993468064]
グラフ畳み込みネットワーク(GCN)はグラフ表現学習において大きな成功を収めている。
本稿では, 様々な負のサンプルを得るために, 品質多様性の分解を決定点過程に用いた。
本稿では,計算効率を向上させるための最短パスベース手法を提案する。
論文 参考訳（メタデータ） (2022-12-05T06:31:31Z) - Collaborative likelihood-ratio estimation over graphs [55.98760097296213]
グラフに基づく相対的制約のない最小二乗重要度フィッティング(GRULSIF)
我々はこの考え方を、グラフベースの相対的非制約最小二乗重要度フィッティング(GRULSIF)と呼ばれる具体的な非パラメトリック手法で開発する。
我々は、ノード当たりの観測回数、グラフのサイズ、およびグラフ構造がタスク間の類似性をどの程度正確にエンコードしているかといった変数が果たす役割を強調する、協調的なアプローチの収束率を導出する。
論文 参考訳（メタデータ） (2022-05-28T15:37:03Z) - Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。
グラフが現在の勾配を混合する能力を定量化する計量法を提案する。
そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
論文 参考訳（メタデータ） (2022-04-13T15:54:35Z) - Gransformer: Transformer-based Graph Generation [14.161975556325796]
Gransformerは、グラフを生成するためのTransformerに基づくアルゴリズムである。
我々は、与えられたグラフの構造情報を利用するためにTransformerエンコーダを変更する。
また、ノードペア間のグラフベースの親しみ度尺度も導入する。
論文 参考訳（メタデータ） (2022-03-25T14:05:12Z) - Score-based Generative Modeling of Graphs via the System of Stochastic
Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。
本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文 参考訳（メタデータ） (2022-02-05T08:21:04Z) - Learning Representations using Spectral-Biased Random Walks on Graphs [18.369974607582584]
このプロセスにおける確率バイアスが、プロセスによって選択されたノードの品質にどの程度影響するかを調査する。
我々は、この近傍を正規化ラプラス行列として表されるノードの近傍部分グラフのスペクトルに基づく確率測度として簡潔に捉えた。
我々は,様々な実世界のデータセット上で,最先端ノード埋め込み技術に対する我々のアプローチを実証的に評価した。
論文 参考訳（メタデータ） (2020-05-19T20:42:43Z) - Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。
本稿では,非自明なERGに対する近似フレームワークを提案する。
我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文 参考訳（メタデータ） (2020-02-14T11:42:16Z)
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。