Fugu-MT 論文翻訳(概要): Graph Embeddings via Tensor Products and Approximately Orthonormal Codes

論文の概要: Graph Embeddings via Tensor Products and Approximately Orthonormal Codes

arxiv url: http://arxiv.org/abs/2208.10917v4
Date: Sat, 13 May 2023 22:35:17 GMT
ステータス: 処理完了
システム内更新日: 2023-05-17 00:51:41.867993
Title: Graph Embeddings via Tensor Products and Approximately Orthonormal Codes
Title（参考訳）: テンソル製品とほぼ正規コードによるグラフ埋め込み
Authors: Frank Qiu
Abstract要約: グラフをベクトルとして構造保存的に埋め込む手法を解析する。テンソル積は重ね合わせ原理を尊重する最も一般的な結合演算であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We analyze a method for embedding graphs as vectors in a structure-preserving manner, showcasing its rich representational capacity and establishing some of its theoretical properties. Our procedure falls under the bind-and-sum approach, and we show that the tensor product is the most general binding operation that respects the superposition principle. We also establish some precise results characterizing the behavior of our method, and we show that our use of spherical codes achieves a packing upper bound. We establish a link to adjacency matrices, showing that our method is, in some sense, a compression of adjacency matrices with applications towards sparse graph representations.
Abstract（参考訳）: グラフを構造保存的な方法でベクトルとして埋め込む手法を解析し、その豊かな表現能力を示し、その理論的性質のいくつかを確立する。我々の手順はバインド・アンド・サム法に該当し、テンソル積が重ね合わせ原理を尊重する最も一般的な結合演算であることを示す。また,提案手法の挙動を特徴づける精度の高い結果が得られ,球面符号の使用が上限のパッキングを実現することを示す。本手法は,ある意味では,疎グラフ表現への応用を伴う隣接行列の圧縮であることを示すために,隣接行列へのリンクを確立する。

関連論文リスト

Graph Edge Representation via Tensor Product Graph Convolutional Representation [23.021660625582854]
本稿では,Product Graph Convolution (TPGC) と呼ばれるエッジ特徴を持つグラフ上の効率的な畳み込み演算子を定義する。従来のグラフ畳み込み(GC)を補完するモデルを提供し、ノードとエッジの両方でより一般的なグラフデータ解析に対処する。いくつかのグラフ学習タスクの実験結果から,提案したTPGCの有効性が示された。
論文参考訳（メタデータ） (2024-06-21T03:21:26Z)
Encoder Embedding for General Graph and Node Classification [4.178980693837599]
エンコーダの埋め込み行列が大数の法則と中心極限定理を満たすことを証明している。ある条件下では、クラスごとの正規性を達成し、識別分析による最適な分類を可能にする。
論文参考訳（メタデータ） (2024-05-24T11:51:08Z)
OrthoReg: Improving Graph-regularized MLPs via Orthogonality Regularization [66.30021126251725]
グラフニューラルネットワーク(GNN)は現在、グラフ構造データのモデリングにおいて支配的である。グラフ正規化ネットワーク(GR-MLP)はグラフ構造情報をモデル重みに暗黙的に注入するが、その性能はほとんどのタスクにおいてGNNとほとんど一致しない。 GR-MLPは,最大数個の固有値が埋め込み空間を支配する現象である次元崩壊に苦しむことを示す。次元崩壊問題を緩和する新しいGR-MLPモデルであるOrthoRegを提案する。
論文参考訳（メタデータ） (2023-01-31T21:20:48Z)
Graphon Pooling for Reducing Dimensionality of Signals and Convolutional Operators on Graphs [131.53471236405628]
グラフ空間における[0, 1]2の分割上のグラフとグラフ信号の誘導的グラフ表現を利用する3つの方法を提案する。これらの低次元表現がグラフとグラフ信号の収束列を構成することを証明している。我々は,層間次元減少比が大きい場合,グラノンプーリングは文献で提案した他の手法よりも有意に優れていることを観察した。
論文参考訳（メタデータ） (2022-12-15T22:11:34Z)
Graph Polynomial Convolution Models for Node Classification of Non-Homophilous Graphs [52.52570805621925]
本研究では,高階グラフ畳み込みからの効率的な学習と,ノード分類のための隣接行列から直接学習する。得られたモデルが新しいグラフと残留スケーリングパラメータをもたらすことを示す。提案手法は,非親和性パラメータのノード分類における精度の向上を実証する。
論文参考訳（メタデータ） (2022-09-12T04:46:55Z)
Generalized Spectral Clustering for Directed and Undirected Graphs [4.286327408435937]
本稿では、有向グラフと無向グラフの両方に対処できる一般化スペクトルクラスタリングフレームワークを提案する。我々のアプローチは、グラフ関数の一般化されたディリクレエネルギーとして導入する新しい函数のスペクトル緩和に基づいている。また、グラフ上の自然ランダムウォークの反復パワーから構築された正規化尺度の実用的なパラメトリゼーションを提案する。
論文参考訳（メタデータ） (2022-03-07T09:18:42Z)
Graph Kernel Neural Networks [53.91024360329517]
本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
論文参考訳（メタデータ） (2021-12-14T14:48:08Z)
Directed Graph Embeddings in Pseudo-Riemannian Manifolds [0.0]
一般的な有向グラフは、3つの成分を結合した埋め込みモデルで効果的に表現できることを示す。本稿では,リンク予測のタスクに適用することで,この手法の表現能力を実証する。
論文参考訳（メタデータ） (2021-06-16T10:31:37Z)
Embedding Graph Auto-Encoder for Graph Clustering [90.8576971748142]
グラフ自動エンコーダ(GAE)モデルは、半教師付きグラフ畳み込みネットワーク(GCN)に基づく我々は、グラフクラスタリングのための特定のGAEベースのモデルを設計し、その理論、すなわち、埋め込みグラフオートエンコーダ(EGAE)と整合する。 EGAEは1つのエンコーダと2つのデコーダで構成される。
論文参考訳（メタデータ） (2020-02-20T09:53:28Z)
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。