Fugu-MT 論文翻訳(概要): Dynamic Network Sampling for Community Detection

論文の概要: Dynamic Network Sampling for Community Detection

arxiv url: http://arxiv.org/abs/2208.13921v1
Date: Mon, 29 Aug 2022 23:04:05 GMT
ステータス: 処理完了
システム内更新日: 2022-08-31 13:44:58.846084
Title: Dynamic Network Sampling for Community Detection
Title（参考訳）: コミュニティ検出のための動的ネットワークサンプリング
Authors: Cong Mu, Youngser Park, Carey E. Priebe
Abstract要約: ブロックモデル(SBM)のブロック回復を最適化する動的ネットワークサンプリング手法を提案する。理論的には,提案したチャーノフ最適動的サンプリングスキームの正当性について,チャーノフ情報を用いて検証する。実際に,ブロック回復の観点から,異なる領域の複数の実データに対して,本手法の性能評価を行った。
参考スコア（独自算出の注目度）: 9.297018059543467
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a dynamic network sampling scheme to optimize block recovery for stochastic blockmodel (SBM) in the case where it is prohibitively expensive to observe the entire graph. Theoretically, we provide justification of our proposed Chernoff-optimal dynamic sampling scheme via the Chernoff information. Practically, we evaluate the performance, in terms of block recovery, of our method on several real datasets from different domains. Both theoretically and practically results suggest that our method can identify vertices that have the most impact on block structure so that one can only check whether there are edges between them to save significant resources but still recover the block structure.
Abstract（参考訳）: 本稿では,グラフ全体を監視するのに極めて高価である場合に,確率的ブロックモデル(SBM)のブロック回復を最適化する動的ネットワークサンプリング手法を提案する。理論的には,提案するチャーンオフ最適動的サンプリング方式をチャーンオフ情報を用いて正当化する。実際に,ブロック回復の観点から,異なる領域の複数の実データに対して,本手法の性能評価を行った。理論上および実際の結果から,本手法はブロック構造に最も影響の大きい頂点を識別でき,その間に重要な資源を節約するエッジが存在するかチェックできるが,ブロック構造を回復できる可能性が示唆された。

関連論文リスト

Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations [80.86128012438834]
モデルシフトに対する反ファクトの堅牢性を計算することはNP完全であることを示す。本稿では,頑健性の厳密な推定を高い保証で実現する新しい確率論的手法を提案する。
論文参考訳（メタデータ） (2024-07-10T09:13:11Z)
Sparsest Models Elude Pruning: An Exposé of Pruning's Current Capabilities [4.842973374883628]
プルーニングは大規模モデルを圧縮するための有望なアプローチとして現れてきたが、モデルの範囲を回復する効果はまだ検討されていない。我々は485,838の実験を行い、キュビストスパイラルと名付けられた合成データセットに最先端のプルーニングアルゴリズムを適用した。そこで本研究では,新たな探索アルゴリズムによって同定した,理想的なスパースネットワークと比較して,性能の差が顕著であった。
論文参考訳（メタデータ） (2024-07-04T17:33:15Z)
Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
単一チャネルソース分離(SCSS)の問題点について検討する。我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
論文参考訳（メタデータ） (2022-08-22T14:04:56Z)
Inferring community characteristics in labelled networks [6.85316573653194]
我々は新しい生成モデルである特徴第一ブロックモデル(FFBM)を導入する。 FFBMパラメータの後方分布から効率的にサンプリングする方法を提案する。提案手法の主な利点は、機能空間全体が自動的に使用され、影響に応じて暗黙的に機能をランク付けできる点である。
論文参考訳（メタデータ） (2021-05-28T12:07:10Z)
Manifold Regularized Dynamic Network Pruning [102.24146031250034]
本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
論文参考訳（メタデータ） (2021-03-10T03:59:03Z)
Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
論文参考訳（メタデータ） (2020-11-06T12:17:01Z)
Extended Stochastic Block Models with Application to Criminal Networks [3.2211782521637393]
犯罪者間の関係を符号化する隠蔽ネットワークについて検討する。ノイズの多いブロックパターンの共存は、日常的に使用されるコミュニティ検出アルゴリズムの信頼性を制限する。我々は,共通接続パターンを持つノード群を推論する拡張ブロックモデル(ESBM)を新たに開発した。
論文参考訳（メタデータ） (2020-07-16T19:06:16Z)
Hierarchical Dynamic Filtering Network for RGB-D Salient Object Detection [91.43066633305662]
RGB-D Salient Object Detection (SOD) の主な目的は、相互融合情報をよりよく統合し活用する方法である。本稿では,これらの問題を新たな視点から考察する。我々は、より柔軟で効率的なマルチスケールのクロスモーダルな特徴処理を実装している。
論文参考訳（メタデータ） (2020-07-13T07:59:55Z)
Fitting the Search Space of Weight-sharing NAS with Graph Convolutional Networks [100.14670789581811]
サンプルサブネットワークの性能に適合するグラフ畳み込みネットワークを訓練する。この戦略により、選択された候補集合において、より高いランク相関係数が得られる。
論文参考訳（メタデータ） (2020-04-17T19:12:39Z)
IVFS: Simple and Efficient Feature Selection for High Dimensional Topology Preservation [33.424663018395684]
本稿では,サンプル類似性保存を向上する簡易かつ効果的な特徴選択アルゴリズムを提案する。提案アルゴリズムは、全データの対距離と位相パターンを適切に保存することができる。
論文参考訳（メタデータ） (2020-04-02T23:05:00Z)
Bayesian stochastic blockmodeling [0.0]
この章では、ネットワークデータから大規模なモジュラ構造を抽出するためのベイズ推論の使用について、自己完結した紹介を行っている。我々は、過度な適合を防止し、モデル選択を可能にする方法でそれらの推論を可能にする非パラメトリックな定式化に焦点を当てる。本稿では,ネットワークにおけるモジュール構造の検出可能性の基本的限界に光を当て,ブロックモデルを用いてリンクの欠落やスプリアスを予測できることを示す。
論文参考訳（メタデータ） (2017-05-29T14:53:42Z)

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。