Fugu-MT 論文翻訳(概要): Probability density estimation for sets of large graphs with respect to spectral information using stochastic block models

論文の概要: Probability density estimation for sets of large graphs with respect to spectral information using stochastic block models

arxiv url: http://arxiv.org/abs/2207.02168v1
Date: Tue, 5 Jul 2022 16:53:22 GMT
ステータス: 処理完了
システム内更新日: 2022-07-06 16:19:12.495316
Title: Probability density estimation for sets of large graphs with respect to spectral information using stochastic block models
Title（参考訳）: 確率ブロックモデルを用いたスペクトル情報に基づく大規模グラフ集合の確率密度推定
Authors: Daniel Ferguson and Fran\c{c}ois G. Meyer
Abstract要約: 本研究では、各隣接行列の固有値の間に$ell$ノルムで定義される擬メトリックのグラフの集合を割り当てる。この擬似計量とグラフ値データセットの各サンプルモーメントを用いて分布のパラメータを$hatmu$とし、この分布を$mu$の近似として解釈する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: For graph-valued data sampled iid from a distribution $\mu$, the sample moments are computed with respect to a choice of metric. In this work, we equip the set of graphs with the pseudo-metric defined by the $\ell_2$ norm between the eigenvalues of the respective adjacency matrices. We use this pseudo metric and the respective sample moments of a graph valued data set to infer the parameters of a distribution $\hat{\mu}$ and interpret this distribution as an approximation of $\mu$. We verify experimentally that complex distributions $\mu$ can be approximated well taking this approach.
Abstract（参考訳）: 分布 $\mu$ から iid をサンプリングしたグラフ値データの場合、サンプルモーメントは計量の選択に関して計算される。本研究では、各隣接行列の固有値の間に$\ell_2$ノルムで定義される擬メトリックのグラフの集合を割り当てる。この擬似メトリックとグラフ値データセットのそれぞれのサンプルモーメントを使用して、分散$\hat{\mu}$のパラメータを推論し、この分布を$\mu$の近似として解釈する。複素分布 $\mu$ がこのアプローチをうまく近似できるかどうかを実験的に検証する。

関連論文リスト

Dimension-free Private Mean Estimation for Anisotropic Distributions [55.86374912608193]
以前の$mathRd上の分布に関する民間推定者は、次元性の呪いに苦しむ。本稿では,サンプルの複雑さが次元依存性を改善したアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-11-01T17:59:53Z)
WeSpeR: Population spectrum retrieval and spectral density estimation of weighted sample covariance [0.0]
重み付きサンプル共分散のスペクトル分布$F$が$mathbbR*$の連続密度を持つことを示す。計算手順を提案し、$F$のサポートを判定し、その上で効率的なグリッドを定義する。我々はこの手法を用いて、スペクトル密度を推定し、真のスペクトル共分散スペクトルを検索する$textitWeSpeR$アルゴリズムを設計する。
論文参考訳（メタデータ） (2024-10-18T12:26:51Z)
Compressive Recovery of Sparse Precision Matrices [5.557600489035657]
我々は,$d$変数の統計的関係を,mathbbRn times d$の$n$サンプル$Xのデータセットからモデル化するグラフの学習問題を考察する。サイズ $m=Omegaleft((d+2k)log(d)right)$ ここで、$k$は基礎となるグラフのエッジの最大数である。本稿では, グラフィカルラッソに基づく反復アルゴリズムを用いて, 具体的デノイザとみなす実用的リカバリを実現する可能性について検討する。
論文参考訳（メタデータ） (2023-11-08T13:29:08Z)
On the Equivalence of Graph Convolution and Mixup [70.0121263465133]
本稿では,グラフ畳み込みと混合手法の関係について検討する。 2つの穏やかな条件の下では、グラフの畳み込みはMixupの特別な形式と見なすことができる。グラフ畳み込みネットワーク(GCN)と単純化グラフ畳み込み(SGC)をミックスアップの形で表現できることを証明し、数学的にこの等価性を確立する。
論文参考訳（メタデータ） (2023-09-29T23:09:54Z)
Graph Fourier MMD for Signals on Graphs [67.68356461123219]
本稿では,グラフ上の分布と信号の間の新しい距離を提案する。 GFMMDは、グラフ上で滑らかであり、期待差を最大化する最適な目撃関数によって定義される。グラフベンチマークのデータセットと単一セルRNAシークエンシングデータ解析について紹介する。
論文参考訳（メタデータ） (2023-06-05T00:01:17Z)
Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
観測結果からサンプリング分布を学習する4つの方法を提案する。実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも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） (2023-02-02T15:50:21Z)
A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文参考訳（メタデータ） (2022-01-28T10:01:37Z)
Theoretical analysis and computation of the sample Frechet mean for sets of large graphs based on spectral information [0.0]
グラフの集合に、それぞれの隣接行列の固有値の間のノルムで定義される擬測度を割り当てる。編集距離とは異なり、この擬似測度は複数のスケールで構造変化を示す。固定サイズの無向非重み付きグラフの集合のサンプルFrechet平均に対する近似を計算するアルゴリズムについて述べる。
論文参考訳（メタデータ） (2022-01-15T20:53:29Z)
Approximate Fr\'echet Mean for Data Sets of Sparse Graphs [0.0]
本研究では、各隣接値の固有値間の$ell$ノルムによって定義された擬似メトリック行列をグラフの集合に装備する。編集距離とは異なり、この擬メトリックは複数のスケールでの構造変化を示し、グラフの集合上の様々な統計問題の研究によく適合している。本研究では,一定の大きさの非有向非重み付きグラフの集合fr'echet平均の近似を計算するアルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-05-10T01:13:25Z)
Lipschitz regularity of graph Laplacians on random data clouds [1.2891210250935146]
グラフポアソン方程式の解に対する高確率内部および大域リプシッツ推定を証明した。我々の結果は、グラフラプラシア固有ベクトルが、高い確率で、本質的には、対応する固有値に明示的に依存する定数を持つリプシッツ正則であることが示せる。
論文参考訳（メタデータ） (2020-07-13T20:43:19Z)
Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。本稿では,非自明なERGに対する近似フレームワークを提案する。我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。