論文の概要: Closeness Centrality via the Condorcet Principle

• arxiv url: http://arxiv.org/abs/2112.00494v1
• Date: Wed, 1 Dec 2021 13:44:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 15:29:25.336559
• Title: Closeness Centrality via the Condorcet Principle
• Title（参考訳）: コンドルチェット原理による閉度中心性
• Authors: Oskar Skibski
• Abstract要約: 閉度中心性はそのような性質を持つ唯一の正則距離ベース中心性であることを示す。 閉度中心性は、2つの隣接ノードのうち、より多くのノードが好むノードの方が高い中心性を持つことを示すコンドルチェット比較特性を満たすことを示す。
• 参考スコア（独自算出の注目度）: 19.18886406228943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We uncover a new relation between Closeness centrality and the Condorcet principle. We define a Condorcet winner in a graph as a node that compared to any other node is closer to more nodes. In other words, if we assume that nodes vote on a closer candidate, a Condorcet winner would win a two-candidate election against any other node in a plurality vote. We show that Closeness centrality and its random-walk version, Random-Walk Closeness centrality, are the only classic centrality measures that are Condorcet consistent on trees, i.e., if a Condorcet winner exists, they rank it first. While they are not Condorcet consistent in general graphs, we show that Closeness centrality satisfies the Condorcet Comparison property that states that out of two adjacent nodes, the one preferred by more nodes has higher centrality. We show that Closeness centrality is the only regular distance-based centrality with such a property.
• Abstract（参考訳）: 閉性中心性とコンドルチェット原理の新たな関係を明らかにする。 グラフでCondorcetの勝者を、他のどのノードよりも多くのノードに近いノードとして定義する。 言い換えれば、ノードが近い候補に投票すると、コンドルチェットの勝者は複数の投票で他のノードに対して2候補の選挙に勝つことになる。 閉度中心度とそのランダムウォーク版であるランダムウォーク閉度中心度は、コンドルセットが木に一貫した唯一の古典的中央度尺度である。 それらは一般グラフで整合性はないが、閉度中心性は隣接する2つのノードのうち、より多くのノードが好むものは高い中心性を持つというコンドルチェット比較特性を満たすことを示す。 閉度中心性はそのような性質を持つ唯一の正規距離ベース中心性であることを示す。

関連論文リスト

• Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
  信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。 半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。 ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2024-06-06T06:12:15Z)
• Sisu: Decentralized Trustless Bridge For Full Ethereum Node [0.0]
  本稿では,SNARK,分散一般GKR,Groth16を用いて,完全ノードを証明するための詳細なアプローチと実装を提案する。 私たちのプロトコルの名前はSisuで、アーキテクチャはzkBridgeの分散Virgoをベースとしています。
  論文  参考訳（メタデータ） (2024-04-16T09:09:58Z)
• A Topological Perspective on Demystifying GNN-Based Link Prediction Performance [72.06314265776683]
  トポロジカル濃度 (TC) は、各ノードの局所部分グラフと隣人の部分グラフの交点に基づいている。 また,TCLは,次数や部分グラフ密度などの他のノードレベルのトポロジ指標よりもLP性能と高い相関性を示した。 我々は, 近似トポロジカル濃度 (ATC) を提案し, 理論的・経験的にTC近似の有効性を正当化し, 複雑さを低減させる。
  論文  参考訳（メタデータ） (2023-10-06T22:07:49Z)
• Provable Training for Graph Contrastive Learning [58.8128675529977]
  Graph Contrastive Learning (GCL)は、ラベルのない拡張グラフからノード埋め込みを学習するための一般的なトレーニング手法として登場した。 GCLのトレーニングは、実際にはすべてのノードで不均衡であることを示す。 ノードがGCLの原理に従う方法の下位境界である計量「ノードコンパクト性」を提案する。
  論文  参考訳（メタデータ） (2023-09-25T08:23:53Z)
• Communication-Efficient Decentralized Federated Learning via One-Bit Compressive Sensing [52.402550431781805]
  分散連合学習(DFL)は、様々なアプリケーションにまたがる実用性によって人気を博している。 集中型バージョンと比較して、DFLの多数のノード間で共有モデルをトレーニングするのはより難しい。 我々は,iADM (iexact alternating direction method) の枠組みに基づく新しいアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-08-31T12:22:40Z)
• Differentially Private Condorcet Voting [26.959251649951103]
  本稿では,よく知られたCondorcet法に基づくランダム化投票規則の3つのクラスを提案する。 ランダム性によって引き起こされる誤差を正確に推定することにより、ほとんどの場合、$CMEXP_lambda$が最も正確なメカニズムであることを示す。 我々は、差分プライバシーを投票公理とみなし、他の公理との関係について議論する。
  論文  参考訳（メタデータ） (2022-06-27T06:55:22Z)
• Cascading Failures in Smart Grids under Random, Targeted and Adaptive Attacks [4.968545158985657]
  スマートグリッドにおけるカスケード障害について検討し、攻撃者がノードの次数、間性、クラスタリング係数に比例した確率で選択的に妥協する。 ネットワークはランダムアタックに比べてターゲットアタックに対して高速に崩壊することを示す。 敵は、同じ数のノードを一度に競合するのに比べて、この適応的アプローチに有利である。
  論文  参考訳（メタデータ） (2022-06-25T21:38:31Z)
• Byzantine-Robust Decentralized Learning via ClippedGossip [61.03711813598128]
  ビザンチン・ロバスト・コンセンサス最適化のためのClippedGossipアルゴリズムを提案する。 ClippedGossipの実証実験性能を多数の攻撃下で実証した。
  論文  参考訳（メタデータ） (2022-02-03T12:04:36Z)
• A QUBO formulation for top-$\tau$ eigencentrality nodes [0.0]
  本稿では,ネットワークの固有ベクトルから得られるスコアでネットワークのノードの重要度をランク付けする,固有分散性問題の解決の基礎を定めている。 この問題は、量子アーキテクチャの両方で解ける2次非制約バイナリ最適化(QUBO)として再構成される。 その結果、D-Wave と IBM の量子コンピュータ上でのネットワーク内の最高固有中央性ノードを最大$tau$で識別する問題のQUBO定式化のスパースベクトル解によって与えられる多数のネットワークにおいて、与えられた最も重要なノードの数を正確に特定することに焦点を当てた。
  論文  参考訳（メタデータ） (2021-05-01T05:35:44Z)
• Top influencers can be identified universally by combining classical centralities [0.6853165736531939]
  単一の中央集権が常に優れた地位を持つことはない。 特定の中央のペアは、特に統計学的にトップスプレッドラーと他のスプレッドラーの境界を描くのによく協力する。 スーパースレッダとして選択されたノードは通常、両方の中央値の最大化を共同で行う。
  論文  参考訳（メタデータ） (2020-06-13T15:12:28Z)
• Quantized Decentralized Stochastic Learning over Directed Graphs [52.94011236627326]
  有向グラフ上で通信する計算ノード間でデータポイントが分散される分散学習問題を考える。 モデルのサイズが大きくなるにつれて、分散学習は、各ノードが隣人にメッセージ(モデル更新)を送信することによる通信負荷の大きなボトルネックに直面します。 本稿では,分散コンセンサス最適化におけるプッシュサムアルゴリズムに基づく有向グラフ上の量子化分散学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-23T18:25:39Z)

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。