Fugu-MT 論文翻訳(概要): An adaptation of InfoMap to absorbing random walks using absorption-scaled graphs

論文の概要: An adaptation of InfoMap to absorbing random walks using absorption-scaled graphs

arxiv url: http://arxiv.org/abs/2112.10953v4
Date: Tue, 23 Apr 2024 21:04:18 GMT
ステータス: 処理完了
システム内更新日: 2024-04-25 16:34:44.633424
Title: An adaptation of InfoMap to absorbing random walks using absorption-scaled graphs
Title（参考訳）: 吸収スケールグラフを用いたランダムウォークの吸収に対するInfoMapの適応
Authors: Esteban Vargas Bernal, Mason A. Porter, Joseph H. Tien,
Abstract要約: 我々はInfoMapに適応し、疾患除去率の高いランダムウォークを吸収する。我々の適応の1つは、ノード吸収率が0$に近づく極限においてInfoMapの標準バージョンに収束する。また、不均一吸収率によって引き起こされるコミュニティ構造が、リングラテックスネットワーク上での感受性感染回復(SIR)ダイナミクスに重要な意味を持つことを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: InfoMap is a popular approach to detect densely connected "communities" of nodes in networks. To detect such communities, InfoMap uses random walks and ideas from information theory. Motivated by the dynamics of disease spread on networks, whose nodes can have heterogeneous disease-removal rates, we adapt InfoMap to absorbing random walks. To do this, we use absorption-scaled graphs (in which edge weights are scaled according to absorption rates) and Markov time sweeping. One of our adaptations of InfoMap converges to the standard version of InfoMap in the limit in which the node-absorption rates approach $0$. We demonstrate that the community structure that one obtains using our adaptations of InfoMap can differ markedly from the community structure that one detects using methods that do not account for node-absorption rates. We also illustrate that the community structure that is induced by heterogeneous absorption rates can have important implications for susceptible-infected-recovered (SIR) dynamics on ring-lattice networks. For example, in some situations, the outbreak duration is maximized when a moderate number of nodes have large node-absorption rates.
Abstract（参考訳）: InfoMapは、ネットワーク内のノードの密結合された"コミュニティ"を検出する一般的なアプローチである。このようなコミュニティを検出するためにInfoMapは、ランダムウォークと情報理論からのアイデアを使用している。ノードが不均一な疾患除去率を持つネットワーク上に広がる病気のダイナミクスに触発されて、InfoMapはランダムウォークの吸収に適応する。これを実現するために、吸収スケールグラフ(吸収率に応じてエッジウェイトをスケールする)とマルコフ時間スイーピングを用いる。 InfoMapの適応の1つは、ノード吸収率が0ドルに近づく制限の中でInfoMapの標準バージョンに収束する。本研究では,InfoMapの適応を用いて得られるコミュニティ構造が,ノード吸収率を考慮しない手法を用いて検出するコミュニティ構造とは大きく異なることを示す。また、不均一吸収率によって引き起こされるコミュニティ構造が、リングラテックスネットワーク上での感受性感染回復(SIR)ダイナミクスに重要な意味を持つことを示す。例えば、ある状況では、中程度の数のノードが大きなノード吸収率を持つ場合、発生期間が最大になる。

関連論文リスト

Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
論文参考訳（メタデータ） (2024-11-20T00:43:32Z)
Diffusion-based Data Augmentation for Object Counting Problems [62.63346162144445]
拡散モデルを用いて広範なトレーニングデータを生成するパイプラインを開発する。拡散モデルを用いて位置ドットマップ上に条件付き画像を生成するのはこれが初めてである。提案した拡散モデルにおけるカウント損失は,位置ドットマップと生成した群集画像との差を効果的に最小化する。
論文参考訳（メタデータ） (2024-01-25T07:28:22Z)
SCAAT: Improving Neural Network Interpretability via Saliency Constrained Adaptive Adversarial Training [10.716021768803433]
サリエンシマップは、特徴属性のヒートマップを示す一般的な説明形式である。本研究では,DNNの解釈能力を向上させるために,Saliency Constrained Adversarial Training (SCAAT) と呼ばれるモデルに依存しない学習手法を提案する。
論文参考訳（メタデータ） (2023-11-09T04:48:38Z)
On the Two Sides of Redundancy in Graph Neural Networks [6.14580854336436]
我々は近所の木に基づく新しい集約手法を開発した。近傍木をコンパクトに表現し,それらをマージし,計算冗長性を生かした。我々の手法は従来のメッセージパッシングニューラルネットワークよりも過度に理解されにくい。
論文参考訳（メタデータ） (2023-10-06T12:09:09Z)
Efficient Anatomical Labeling of Pulmonary Tree Structures via Deep Point-Graph Representation-based Implicit Fields [45.16492100245491]
肺疾患は世界中で死の主な死因の1つである。高解像度画像スタックと高密度ボクセルグリッド上の標準CNNを用いた従来のアプローチは、計算効率、解像度の制限、局所的文脈、形状トポロジーの不十分な保存といった課題に直面している。本手法は,高密度なボクセルからスパースポイント表現に移行し,メモリ効率の向上とグローバルなコンテキスト利用を実現することで,これらの問題に対処する。
論文参考訳（メタデータ） (2023-09-29T15:40:58Z)
ARISE: Graph Anomaly Detection on Attributed Networks via Substructure Awareness [70.60721571429784]
サブ構造認識(ARISE)による属性付きネットワーク上の新しいグラフ異常検出フレームワークを提案する。 ARISEは、異常を識別するグラフのサブ構造に焦点を当てている。実験により、ARISEは最先端の属性付きネットワーク異常検出(ANAD)アルゴリズムと比較して、検出性能が大幅に向上することが示された。
論文参考訳（メタデータ） (2022-11-28T12:17:40Z)
A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
論文参考訳（メタデータ） (2022-09-16T17:20:23Z)
Topological data analysis of truncated contagion maps [0.0]
しきい値の接尾辞は, 接尾辞マップの構築を著しく高速化する可能性があることを示す。また, 単一セルRNAシークエンシングデータに対して, 低次元のインテリジェンスな埋め込みを見つけるために, 感染マップが有用であることが示唆された。
論文参考訳（メタデータ） (2022-03-03T14:08:05Z)
CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文参考訳（メタデータ） (2021-06-20T08:20:56Z)
AMA-GCN: Adaptive Multi-layer Aggregation Graph Convolutional Network for Disease Prediction [20.19380805655623]
空間分布に応じて適切な表現型尺度を自動的に選択するエンコーダを提案する。また,多層アグリゲーション機構を用いた新しいグラフ畳み込みネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-06-16T12:13:23Z)
Applications of Koopman Mode Analysis to Neural Networks [52.77024349608834]
我々は,ニューラルネットワークのトレーニング過程を,高次元の重み空間に作用する力学系と考える。アーキテクチャに必要なレイヤ数を決定するために、Koopmanスペクトルをどのように利用できるかを示す。また、Koopmanモードを使えば、ネットワークを選択的にプーンしてトレーニング手順を高速化できることを示す。
論文参考訳（メタデータ） (2020-06-21T11:00:04Z)

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。

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。