論文の概要: Systematic assessment of the quality of fit of the stochastic block
model for empirical networks
- arxiv url: http://arxiv.org/abs/2201.01658v1
- Date: Wed, 5 Jan 2022 15:28:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-06 14:35:05.736887
- Title: Systematic assessment of the quality of fit of the stochastic block
model for empirical networks
- Title（参考訳）: 経験的ネットワークにおける確率的ブロックモデルの適合性に関する体系的評価
- Authors: Felipe Vaca-Ram\'irez, Tiago P. Peixoto
- Abstract要約: 幅広い領域にまたがる275の経験的ネットワークにおけるブロックモデル(SBM)の適合度と規模を解析した。
我々は,SBMが考慮されているネットワークの大部分に対して正確な記述を提供することができるが,すべてのモデリング要件を飽和させるには至っていないことを観察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We perform a systematic analysis of the quality of fit of the stochastic
block model (SBM) for 275 empirical networks spanning a wide range of domains
and orders of size magnitude. We employ posterior predictive model checking as
a criterion to assess the quality of fit, which involves comparing networks
generated by the inferred model with the empirical network, according to a set
of network descriptors. We observe that the SBM is capable of providing an
accurate description for the majority of networks considered, but falls short
of saturating all modeling requirements. In particular, networks possessing a
large diameter and slow-mixing random walks tend to be badly described by the
SBM. However, contrary to what is often assumed, networks with a high abundance
of triangles can be well described by the SBM in many cases. We demonstrate
that simple network descriptors can be used to evaluate whether or not the SBM
can provide a sufficiently accurate representation, potentially pointing to
possible model extensions that can systematically improve the expressiveness of
this class of models.
- Abstract（参考訳）: 広い範囲のドメインと大きさのオーダーにまたがる275の経験的ネットワークに対して,確率的ブロックモデル(sbm)の適合性に関する体系的分析を行う。
ネットワーク記述子の集合によれば, 推定されたモデルが生成するネットワークと経験的ネットワークを比較することで, 適合性の質を評価する基準として後方予測モデルチェックを用いる。
我々は,SBMが考慮されているネットワークの大部分に対して正確な記述を提供することができるが,すべてのモデリング要件を飽和させるには至っていないことを観察する。
特に、大きな直径と遅い混合ランダムウォークを持つネットワークは、SBMによってひどく説明される傾向がある。
しかし、しばしば想定されることとは対照的に、三角形の豊富なネットワークは多くの場合、sbmによってよく説明できる。
我々は、単純なネットワーク記述子を用いて、sbmが十分に正確な表現を提供できるかどうかを評価できることを実証し、このタイプのモデルの表現性を体系的に改善できるモデル拡張の可能性を示す。
関連論文リスト
- Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。
具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文 参考訳（メタデータ） (2023-12-03T13:50:24Z) - Generalization and Estimation Error Bounds for Model-based Neural
Networks [78.88759757988761]
スパースリカバリのためのモデルベースネットワークの一般化能力は、通常のReLUネットワークよりも優れていることを示す。
我々は,高一般化を保証したモデルベースネットワークの構築を可能にする実用的な設計規則を導出する。
論文 参考訳（メタデータ） (2023-04-19T16:39:44Z) - Vertical Layering of Quantized Neural Networks for Heterogeneous
Inference [57.42762335081385]
量子化モデル全体を1つのモデルにカプセル化するための,ニューラルネットワーク重みの新しい垂直層表現について検討する。
理論的には、1つのモデルのトレーニングとメンテナンスのみを必要としながら、オンデマンドサービスの正確なネットワークを達成できます。
論文 参考訳（メタデータ） (2022-12-10T15:57:38Z) - Controllability of Coarsely Measured Networked Linear Dynamical Systems
(Extended Version) [19.303541162361746]
ネットワーク構造の完全な知識が得られない場合,大規模線形ネットワーク力学系の制御性を考える。
本研究では,(合成, 縮小)粗大系の平均制御可能性によって, 微細系の平均制御性をよく近似できる条件を提案する。
論文 参考訳（メタデータ） (2022-06-21T17:50:09Z) - PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。
我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。
提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-09-28T17:56:41Z) - The emergence of a concept in shallow neural networks [0.0]
我々は,定型だが不可能なアーチタイプを曖昧にコピーした非構造化データセット上で訓練された制限されたボルツマンマシン(RBM)を考える。」
RBMが古型を学習できる限界標本サイズが存在することを示す。
論文 参考訳（メタデータ） (2021-09-01T15:56:38Z) - Nondiagonal Mixture of Dirichlet Network Distributions for Analyzing a
Stock Ownership Network [3.0969191504482243]
ブロックモデリングは複雑なネットワークの研究で広く使われている。
基本特徴を組み込んだエッジ交換可能なブロックモデルを提供し、同時に複素ネットワークの潜在ブロック構造を推定する。
我々のモデルはベイズ非パラメトリックモデルであり、ブロックの数を柔軟に推定し、目に見えないノードの可能性を考慮している。
論文 参考訳（メタデータ） (2020-09-08T05:56:10Z) - Community models for networks observed through edge nominations [6.442024233731203]
コミュニティはネットワークにおいて一般的で広く研究されている構造であり、一般的にはネットワークが完全に正しく観察されているという仮定のもとである。
問合せノードを経由したエッジの記録に基づく,ネットワークサンプリング機構のクラスに対する汎用モデルを提案する。
一般モデルに基づくスペクトルクラスタリングにより,コミュニティ検出が可能であることを示す。
論文 参考訳（メタデータ） (2020-08-09T04:53:13Z) - Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。
この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。
実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
論文 参考訳（メタデータ） (2020-08-02T11:19:36Z) - Tractably Modelling Dependence in Networks Beyond Exchangeability [0.0]
本研究では, ネットワークの推定, クラスタリング, 次数挙動について検討する。
このことは、一般的には交換不能なネットワークデータをブロックモデルで記述できる理由と方法を探る。
論文 参考訳（メタデータ） (2020-07-28T17:13:59Z) - Deep Autoencoding Topic Model with Scalable Hybrid Bayesian Inference [55.35176938713946]
我々は、ガンマ分布の階層構造を用いて、その多確率層生成ネットワークを構築するディープ・オートエンコーディング・トピック・モデル(DATM)を開発した。
Weibull上向き変分エンコーダを提案する。このエンコーダは深層ニューラルネットワークを介して情報を上向きに伝播し,次いで下向き生成モデルを提案する。
大規模コーパス上での教師なしおよび教師なしの学習タスクにおいて,モデルの有効性とスケーラビリティを実証した。
論文 参考訳（メタデータ） (2020-06-15T22:22:56Z)
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。