論文の概要: Detecting Communities in Complex Networks using an Adaptive Genetic
Algorithm and node similarity-based encoding
- arxiv url: http://arxiv.org/abs/2201.09535v1
- Date: Mon, 24 Jan 2022 09:06:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:27:11.607828
- Title: Detecting Communities in Complex Networks using an Adaptive Genetic
Algorithm and node similarity-based encoding
- Title（参考訳）: 適応遺伝的アルゴリズムとノード類似性に基づく符号化を用いた複雑ネットワークのコミュニティ検出
- Authors: Sajjad Hesamipour, Mohammad Ali Balafar, Saeed Mousazadeh
- Abstract要約: ネットワーク分割を MST と呼ぶ個人として表現するためのノード類似性に基づく新しい符号化手法を提案する。
提案手法を用いて, 類似性に基づく手法とモジュール性最適化に基づく手法を組み合わせて, 複雑なネットワークのコミュニティを見つける。
- 参考スコア（独自算出の注目度）: 4.0714739042536845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting communities in complex networks can shed light on the essential
characteristics and functions of the modeled phenomena. This topic has
attracted researchers of various fields from both academia and industry. Among
the different methods implemented for community detection, Genetic Algorithms
(GA) have become popular recently. Considering the drawbacks of the currently
used locus-based and solution-vector-based encodings to represent the
individuals, in this paper, we propose (1) a new node similarity-based encoding
method to represent a network partition as an individual named MST-based. Then,
we propose (2) a new Adaptive Genetic Algorithm for Community Detection, along
with (3) a new initial population generation function, and (4) a new adaptive
mutation function called sine-based mutation function. Using the proposed
method, we combine similarity-based and modularity-optimization-based
approaches to find the communities of complex networks in an evolutionary
framework. Besides the fact that the proposed representation scheme can avoid
meaningless mutations or disconnected communities, we show that the new initial
population generation function, and the new adaptive mutation function, can
improve the convergence time of the algorithm. Experiments and statistical
tests verify the effectiveness of the proposed method compared with several
classic and state-of-the-art algorithms.
- Abstract（参考訳）: 複雑なネットワークにおけるコミュニティの検出は、モデル化された現象の本質的特徴と機能に光を当てることができる。
この話題は学界と産業界の両方から様々な分野の研究者を惹きつけた。
コミュニティ検出のために実装された様々な手法のうち、遺伝的アルゴリズム(ga)が最近普及している。
そこで本稿では,現在使われている locus-based および solution-vector-based エンコーディングの欠点を考慮し,(1)ネットワーク分割を mst-based と呼ぶノード類似性に基づく新しいエンコーディング手法を提案する。
次に, (2) コミュニティ検出のための新しい適応的遺伝的アルゴリズム, (3) 新規初期集団生成関数, (4) sine-based mutation function と呼ばれる新しい適応的変異関数を提案する。
提案手法を用いて,類似性に基づく手法とモジュラリティ最適化手法を組み合わせることで,複雑なネットワークのコミュニティを進化的枠組みで発見する。
提案手法は無意味な突然変異や非連結なコミュニティを回避できるだけでなく,新しい初期個体群生成関数や適応突然変異関数もアルゴリズムの収束時間を改善することができることを示す。
実験と統計的実験により,提案手法の有効性をいくつかの古典的および最先端のアルゴリズムと比較した。
関連論文リスト
- Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。
これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
論文 参考訳（メタデータ） (2024-08-17T02:17:09Z) - Simulation-based optimization of a production system topology -- a
neural network-assisted genetic algorithm [0.0]
遺伝的アルゴリズム(GA)を用いた生産システムのトポロジー最適化のための新しい手法を提案する
GAの拡張では、ニューラルネットワークがシミュレーションの代理モデルとして機能する。
どちらの手法も、産業環境で最適解を見つけるのに効果的である。
論文 参考訳（メタデータ） (2024-02-02T15:52:10Z) - Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic
Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。
本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-28T13:05:30Z) - Faster Adaptive Federated Learning [84.38913517122619]
フェデレートラーニングは分散データの出現に伴って注目を集めている。
本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
論文 参考訳（メタデータ） (2022-12-02T05:07:50Z) - Transfer Learning Based Multi-Objective Evolutionary Algorithm for
Community Detection of Dynamic Complex Networks [1.693830041971135]
本稿では,伝達学習と従来の多目的進化アルゴリズムに基づく特徴伝達に基づく多目的最適化アルゴリズム(TMOGA)を提案する。
このアルゴリズムは,様々なテスト問題において,最先端の動的ネットワークコミュニティ検出アルゴリズムと比較して,より優れたクラスタリング効果が得られることを示す。
論文 参考訳（メタデータ） (2021-09-30T17:16:51Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳（メタデータ） (2021-07-07T03:57:22Z) - LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。
フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
論文 参考訳（メタデータ） (2021-03-01T03:10:11Z) - Complexity-based speciation and genotype representation for
neuroevolution [81.21462458089142]
本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。
提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
論文 参考訳（メタデータ） (2020-10-11T06:26:56Z) - Graph Neural Network Encoding for Community Detection in Attribute
Networks [27.099775681534652]
複雑な属性ネットワークにおけるコミュニティ検出問題に対処するために,グラフニューラルネットワーク符号化法を提案する。
実験により、このアルゴリズムは、よく知られた進化的および非進化的アルゴリズムよりもはるかに優れた性能を示すことが示された。
論文 参考訳（メタデータ） (2020-06-06T23:41:36Z) - Detecting Communities in Heterogeneous Multi-Relational Networks:A
Message Passing based Approach [89.19237792558687]
コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。
我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-06T17:36:24Z) - ImmuNetNAS: An Immune-network approach for searching Convolutional
Neural Network Architectures [9.880887106904517]
ImmuNetNASは、免疫ネットワーク理論に触発された新しいニューラルネットワーク探索(NAS)アプローチである。
ImmuNetNASのコアはオリジナルの免疫ネットワークアルゴリズムに基づいて構築されており、過剰な突然変異と選択によって人口を反復的に更新する。
論文 参考訳（メタデータ） (2020-02-28T13:32:57Z)
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。