Fugu-MT 論文翻訳(概要): Fixed-Point Centrality for Networks

論文の概要: Fixed-Point Centrality for Networks

arxiv url: http://arxiv.org/abs/2209.07070v1
Date: Thu, 15 Sep 2022 06:01:12 GMT
ステータス: 処理完了
システム内更新日: 2022-09-16 13:26:52.243295
Title: Fixed-Point Centrality for Networks
Title（参考訳）: ネットワークの固定点中心性
Authors: Shuang Gao
Abstract要約: 本稿では,固定点集中というネットワーク集中のファミリーを提案する。そのような中心性の概念は直ちに拡張され、グラノンによって特徴づけられる無限グラフに対する不動点中心性を定義する。
参考スコア（独自算出の注目度）: 0.8566457170664925
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a family of network centralities called fixed-point centralities. This centrality family is defined via the fixed point of permutation equivariant mappings related to the underlying network. Such a centrality notion is immediately extended to define fixed-point centralities for infinite graphs characterized by graphons. Variation bounds of such centralities with respect to the variations of the underlying graphs and graphons under mild assumptions are established. Fixed-point centralities connect with a variety of different models on networks including graph neural networks, static and dynamic games on networks, and Markov decision processes.
Abstract（参考訳）: 本稿では,固定点集中というネットワーク集中のファミリーを提案する。この中心性族は、基礎となるネットワークに関連する置換同変写像の固定点を通して定義される。そのような中心性の概念は、グラフで特徴づけられる無限グラフの固定点中心性を定義するためにすぐに拡張される。温和な仮定の下での下位グラフやグラフの変動に関して、そのような中心性の変動境界が確立される。固定点集中性は、グラフニューラルネットワーク、ネットワーク上の静的および動的ゲーム、マルコフ決定プロセスなど、ネットワーク上のさまざまなモデルと接続する。

関連論文リスト

GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-01-17T13:04:23Z)
Gramformer: Learning Crowd Counting via Graph-Modulated Transformer [68.26599222077466]
Gramformerはグラフ変調変換器で、それぞれ注意点と入力ノードの特徴を調整してネットワークを強化する。ノードの集中位置や重要性を発見するために,特徴に基づく符号化を提案する。提案手法の競争性を検証した4つの挑戦的群集カウントデータセットの実験を行った。
論文参考訳（メタデータ） (2024-01-08T13:01:54Z)
Core-Intermediate-Peripheral Index: Factor Analysis of Neighborhood and Shortest Paths-based Centrality Metrics [0.0]
本稿では,コアノードがコアノードの役割を担える範囲を捉えるために,コア中間周辺指数(CIP)と呼ばれる新しい指標を提案する。当社のアプローチは、12の複雑な現実世界ネットワークの多様なスイートでテストしています。
論文参考訳（メタデータ） (2023-10-10T06:52:20Z)
Network Centralities in Quantum Entanglement Distribution due to User Preferences [5.243460995467895]
本稿では,ピアツーピア接続の利用パターンによって絡み合いのリンク層トポロジが駆動される場合のネットワークの中央性について検討する。このことは、絡み合ったグラフのエッジ中心性(絡み合い分布における個々のエッジの使用として測定される)が、電力法則分布に従うことを示している。これらの発見は、高い信頼性と低いデコヒーレンス時間を持つ量子技術のような量子資源管理において、高い集中度を持つエッジに割り当てられる可能性がある。
論文参考訳（メタデータ） (2023-08-16T07:00:09Z)
GTNet: Graph Transformer Network for 3D Point Cloud Classification and Semantic Segmentation [10.596757615219207]
グラフベースのディープラーニングネットワークとTransformerベースのディープラーニングネットワークは、さまざまなポイントクラウドタスクで優れたパフォーマンスを示している。本稿では,Graph Transformerという新機能抽出ブロックを提案し,GTNetと呼ばれる3Dポイントクラウド学習ネットワークを構築した。
論文参考訳（メタデータ） (2023-05-24T14:51:18Z)
Graph Spectral Embedding using the Geodesic Betweeness Centrality [76.27138343125985]
本稿では、局所的な類似性、接続性、グローバル構造を教師なしで表現するグラフSylvester Embedding (GSE)を紹介する。 GSEはシルヴェスター方程式の解を用いて、ネットワーク構造と近傍の近接を1つの表現で捉える。
論文参考訳（メタデータ） (2022-05-07T04:11:23Z)
CenGCN: Centralized Convolutional Networks with Vertex Imbalance for Scale-Free Graphs [38.427695265783726]
本稿では,情報の不平等に対処するため,CenGCNという新たな集中型フレームワークを提案する。 CenGCN_DとCenGCN_Eの2つの変種をそれぞれ,次数中心度と固有ベクトル中心度に基づいて提示する。その結果、2つの変種は最先端のベースラインを著しく上回ることがわかった。
論文参考訳（メタデータ） (2022-02-16T02:18:16Z)
Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文参考訳（メタデータ） (2020-09-30T04:59:10Z)
Critical Phenomena in Complex Networks: from Scale-free to Random Networks [77.34726150561087]
一対のノード間のリンクを制御する隠れ変数を持つ構成ネットワークモデルにおける臨界現象について検討する。平均ノード次数、期待するエッジ数、ランダウとヘルムホルツの自由エネルギーについて、温度とノード数の関数として解析式を求める。
論文参考訳（メタデータ） (2020-08-05T18:57:38Z)
Top influencers can be identified universally by combining classical centralities [0.6853165736531939]
単一の中央集権が常に優れた地位を持つことはない。特定の中央のペアは、特に統計学的にトップスプレッドラーと他のスプレッドラーの境界を描くのによく協力する。スーパースレッダとして選択されたノードは通常、両方の中央値の最大化を共同で行う。
論文参考訳（メタデータ） (2020-06-13T15:12:28Z)
A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
論文参考訳（メタデータ） (2020-03-16T14:04:45Z)

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。