論文の概要: Weisfeiler and Leman Go Walking: Random Walk Kernels Revisited

• arxiv url: http://arxiv.org/abs/2205.10914v1
• Date: Sun, 22 May 2022 19:41:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-24 16:33:07.639736
• Title: Weisfeiler and Leman Go Walking: Random Walk Kernels Revisited
• Title（参考訳）: WeisfeilerとLeman Go Walking: ランダムウォークカーネルを再考
• Authors: Nils M. Kriege
• Abstract要約: 本研究では,歩行に基づくノード改善手法について検討し,これらを広く使われているいくつかの手法と公式に関連づける。 定義や計算に関する小さな修正のみを施した古典的ランダムウォークカーネルは、広く使われているWeisfeiler-Lemanサブツリーカーネルと同じくらい表現力があることを示す。 実際の分類タスクにおいて、ウォークベースのカーネルがWeisfeiler-Lemanカーネルの精度に達するか、あるいは超えるかを実験的に検証する。
• 参考スコア（独自算出の注目度）: 4.30226515682283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Random walk kernels have been introduced in seminal work on graph learning and were later largely superseded by kernels based on the Weisfeiler-Leman test for graph isomorphism. We give a unified view on both classes of graph kernels. We study walk-based node refinement methods and formally relate them to several widely-used techniques, including Morgan's algorithm for molecule canonization and the Weisfeiler-Leman test. We define corresponding walk-based kernels on nodes that allow fine-grained parameterized neighborhood comparison, reach Weisfeiler-Leman expressiveness, and are computed using the kernel trick. From this we show that classical random walk kernels with only minor modifications regarding definition and computation are as expressive as the widely-used Weisfeiler-Leman subtree kernel but support non-strict neighborhood comparison. We verify experimentally that walk-based kernels reach or even surpass the accuracy of Weisfeiler-Leman kernels in real-world classification tasks.
• Abstract（参考訳）: ランダムウォーク・カーネルはグラフ学習に関する独創的な研究に導入され、後にワイスファイラー・リーマン・テストに基づくグラフ同型法に基づくカーネルに取って代わられた。 グラフカーネルの両クラスについて統一的なビューを提供する。 ウォークベースのノードリファインメント法を研究し,morganの分子標準化アルゴリズムやweisfeiler-leman testなど,広く使用されている手法と正式に関連付けた。 Wesfeiler-Leman表現性に到達し、カーネルトリックを用いて計算されるノード上の対応するウォークベースのカーネルを定義する。 このことから、定義と計算に関するわずかな変更しか持たない古典的ランダムウォークカーネルは、広く使われているWeisfeiler-Lemanサブツリーカーネルと同程度に表現できるが、非制限近傍比較をサポートすることを示す。 実際の分類タスクにおいて、ウォークベースのカーネルがWeisfeiler-Lemanカーネルの精度に達するか、あるいは超えるかを実験的に検証する。

関連論文リスト

• Spectral Truncation Kernels: Noncommutativity in $C^*$-algebraic Kernel Machines [12.11705128358537]
  スペクトルトランケーションに基づく正定値カーネルの新しいクラスを提案する。 性能向上につながる要因であることを示す。 また,スペクトルトランケーションカーネルの表現能力を高めるための深層学習の視点も提案する。
  論文  参考訳（メタデータ） (2024-05-28T04:47:12Z)
• On the Approximation of Kernel functions [0.0]
  論文はカーネル自体の近似に対処する。 単位立方体上のヒルベルト・ガウス核に対して、この論文は関連する固有関数の上界を確立する。 この改良により、Nystr"om法のような低階近似法が確かめられる。
  論文  参考訳（メタデータ） (2024-03-11T13:50:07Z)
• Structural Kernel Search via Bayesian Optimization and Symbolical Optimal Transport [5.1672267755831705]
  ガウスのプロセスでは、カーネルの選択は重要なタスクであり、しばしば専門家が手動で行う。 本稿では,カーネル空間を包含する新しい効率的な探索法を提案する。
  論文  参考訳（メタデータ） (2022-10-21T09:30:21Z)
• A Unified Framework for Implicit Sinkhorn Differentiation [58.56866763433335]
  暗黙の微分によってシンクホーン層の解析勾配を求めるアルゴリズムを提案する。 特にGPUメモリなどのリソースが不足している場合には,計算効率が向上する。
  論文  参考訳（メタデータ） (2022-05-13T14:45:31Z)
• Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
  オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。 穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。 また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
  論文  参考訳（メタデータ） (2022-02-01T17:46:51Z)
• Graph Filtration Kernels [3.325932244741268]
  本稿では,特徴区間を組み込んだグラフカーネル群を提案する。 Wesfeiler-Lehmanラベルを特定のフィルター上で使用すると、通常のWeisfeiler-Lehmanプロシージャよりも表現力が強くなる。
  論文  参考訳（メタデータ） (2021-10-22T15:51:10Z)
• Fast Sketching of Polynomial Kernels of Polynomial Degree [61.83993156683605]
  他のカーネルはしばしばテイラー級数展開を通じてカーネルによって近似されるので、カーネルは特に重要である。 スケッチの最近の技術は、カーネルの$q$という難解な程度に実行時間に依存することを減らしている。 我々は、この実行時間を大幅に改善する新しいスケッチを、先頭の注文項で$q$への依存を取り除くことで提供します。
  論文  参考訳（メタデータ） (2021-08-21T02:14:55Z)
• Kernel Continual Learning [117.79080100313722]
  カーネル連続学習は、破滅的な忘れ事に取り組むための、シンプルだが効果的な連続学習の変種である。 エピソードメモリユニットは、カーネルリッジ回帰に基づいてタスク固有の分類器を学ぶために、各タスクのサンプルのサブセットを格納する。 タスク毎にデータ駆動カーネルを学ぶための変動ランダム機能。
  論文  参考訳（メタデータ） (2021-07-12T22:09:30Z)
• Kernel Identification Through Transformers [54.3795894579111]
  カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。 この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。 KITT: Kernel Identification through Transformersを提案する。
  論文  参考訳（メタデータ） (2021-06-15T14:32:38Z)
• MetaKernel: Learning Variational Random Features with Limited Labels [120.90737681252594]
  少数の注釈付きサンプルから学習し、新しいタスクでうまく一般化できるという根本的かつ困難な問題に、少数のショットラーニングが対処します。 マルチショット学習のためのランダムなフーリエ機能を備えたメタラーニングカーネルをMeta Kernelと呼びます。
  論文  参考訳（メタデータ） (2021-05-08T21:24:09Z)
• Generalized vec trick for fast learning of pairwise kernel models [3.867363075280544]
  本稿では、オブジェクト間の関係に関する事前知識を組み込むために提案されている、ペアワイズカーネルの包括的なレビューを紹介する。 レビューされたすべてのカーネルがKronecker製品の和として表現できることを示し、一般化されたvecトリックを使用して計算を高速化する。
  論文  参考訳（メタデータ） (2020-09-02T13:27:51Z)

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。