Fugu-MT 論文翻訳(概要): More Recent Advances in (Hyper)Graph Partitioning

論文の概要: More Recent Advances in (Hyper)Graph Partitioning

arxiv url: http://arxiv.org/abs/2205.13202v1
Date: Thu, 26 May 2022 07:38:17 GMT
ステータス: 処理完了
システム内更新日: 2022-05-27 15:01:28.357294
Title: More Recent Advances in (Hyper)Graph Partitioning
Title（参考訳）: ハイパーグラフ分割の最近の進歩
Authors: \"Umit V. \c{C}ataly\"urek, Karen D. Devine, Marcelo Fonseca Faraj, Lars Gottesb\"urren, Tobias Heuer, Henning Meyerhenke, Peter Sanders, Sebastian Schlag, Christian Schulz, Daniel Seemaier, Dorothea Wagner
Abstract要約: 近年、バランスのとれた(ハイパー)グラフ分割アルゴリズムの設計と評価において重要な進歩がなされている。バランスのとれた(ハイパーな)グラフ分割のための実用的なアルゴリズムにおける過去10年間のトレンドと今後の研究方向性について調査する。
参考スコア（独自算出の注目度）: 2.4923028352236822
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, significant advances have been made in the design and evaluation of balanced (hyper)graph partitioning algorithms. We survey trends of the last decade in practical algorithms for balanced (hyper)graph partitioning together with future research directions. Our work serves as an update to a previous survey on the topic. In particular, the survey extends the previous survey by also covering hypergraph partitioning and streaming algorithms, and has an additional focus on parallel algorithms.
Abstract（参考訳）: 近年、バランスのとれた(ハイパー)グラフ分割アルゴリズムの設計と評価において重要な進歩がなされている。我々は,過去10年間のバランスのとれた(ハイパー)グラフ分割のための実用的なアルゴリズムの動向と今後の研究動向について調査する。私たちの仕事は、そのトピックに関する以前の調査の更新として役立ちます。特にこの調査は、ハイパーグラフのパーティショニングとストリーミングアルゴリズムをカバーすることで、以前の調査を拡張し、並列アルゴリズムにさらに重点を置いている。

関連論文リスト

A classification model based on a population of hypergraphs [0.0]
本稿では,新しいハイパーグラフ分類アルゴリズムを提案する。ハイパーグラフは任意の順序の多方向相互作用を探索する。このアルゴリズムは2つのデータセットで評価される。
論文参考訳（メタデータ） (2024-05-23T21:21:59Z)
Learning-Augmented Algorithms with Explicit Predictors [67.02156211760415]
アルゴリズム設計の最近の進歩は、過去のデータと現在のデータから得られた機械学習モデルによる予測の活用方法を示している。この文脈における以前の研究は、予測器が過去のデータに基づいて事前訓練され、ブラックボックスとして使用されるパラダイムに焦点を当てていた。本研究では,予測器を解き,アルゴリズムの課題の中で生じる学習問題を統合する。
論文参考訳（メタデータ） (2024-03-12T08:40:21Z)
Few-Shot Learning on Graphs: from Meta-learning to Pre-training and Prompting [56.25730255038747]
この調査は、最近の展開を合成し、比較洞察を提供し、将来の方向性を特定するための取り組みである。我々は,既存の研究をメタラーニングアプローチ,事前学習アプローチ,ハイブリッドアプローチの3つの主要なファミリーに体系的に分類した。これらの手法間の関係を解析し,その強みと限界を比較する。
論文参考訳（メタデータ） (2024-02-02T14:32:42Z)
Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-13T16:04:06Z)
A Theoretical Analysis Of Nearest Neighbor Search On Approximate Near Neighbor Graph [51.880164098926166]
グラフベースのアルゴリズムは、近隣探索(NN-Search)問題において最先端の性能を示す。グラフベースのNN-Searchアルゴリズムには実践と理論のギャップがある。低次元および高密度ベクトルに対する ANN-Graph 上の欲求探索による NN-Search の解法を理論的に保証する。
論文参考訳（メタデータ） (2023-03-10T21:18:34Z)
Finding Bipartite Components in Hypergraphs [9.759415650727892]
本稿では,ハイパーグラフにおける新しい熱拡散過程について検討し,このプロセスを用いて,ハイパーグラフ内の約2部成分を探索するアルゴリズムを設計する。我々の新しいアルゴリズムは、幅広いハイパーグラフにまたがって、従来の最先端のアルゴリズムよりも一貫して、はるかに優れています。
論文参考訳（メタデータ） (2022-05-05T16:46:31Z)
Graph Pooling for Graph Neural Networks: Progress, Challenges, and Opportunities [128.55790219377315]
グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
論文参考訳（メタデータ） (2022-04-15T04:02:06Z)
Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching [58.39970828272366]
グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
論文参考訳（メタデータ） (2022-01-25T00:10:03Z)
Love tHy Neighbour: Remeasuring Local Structural Node Similarity in Hypergraph-Derived Networks [2.246222223318928]
ノードペア間のハイパーグラフ指向の類似度スコアを複数提案する。グラフトポロジーに基づくスコアをハイパーグラフに拡張するための理論的定式化を提供する。
論文参考訳（メタデータ） (2021-10-30T14:12:58Z)
Deep Neural Matching Models for Graph Retrieval [0.0]
我々は、グラフマッチングとグラフのコーパスからの類似グラフの検索のためのニューラルネットワークベースのアプローチに焦点を当てる。 2つのグラフ間の類似性をソフトに予測する方法について検討する。
論文参考訳（メタデータ） (2021-10-03T05:34:46Z)
A Survey on Recent Progress in the Theory of Evolutionary Algorithms for Discrete Optimization [23.118012417901078]
離散探索空間の進化的計算の理論は、過去10年間に大きく進歩してきた。この調査は、この研究領域における最近の最も重要な成果のいくつかをまとめたものである。
論文参考訳（メタデータ） (2020-06-30T12:03:40Z)

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。