Fugu-MT 論文翻訳(概要): Estimation of the Sample Frechet Mean: A Convolutional Neural Network Approach

論文の概要: Estimation of the Sample Frechet Mean: A Convolutional Neural Network Approach

arxiv url: http://arxiv.org/abs/2210.07401v1
Date: Thu, 13 Oct 2022 22:39:05 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 15:58:57.602603
Title: Estimation of the Sample Frechet Mean: A Convolutional Neural Network Approach
Title（参考訳）: 畳み込みニューラルネットワークによるサンプルフレシェ平均の推定
Authors: Adam Sanchez and Fran\c{c}ois G. Meyer
Abstract要約: 本稿では,グラフ(あるいはネットワーク)に対するサンプル平均の概念を置き換える,サンプルフレシェ平均を計算する高速アルゴリズムを提案する。ランダムグラフの複数のアンサンブルに関する実験により,Frechet平均値を確実に回収できることが実証された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work addresses the rising demand for novel tools in statistical and machine learning for "graph-valued random variables" by proposing a fast algorithm to compute the sample Frechet mean, which replaces the concept of sample mean for graphs (or networks). We use convolutional neural networks to learn the morphology of the graphs in a set of graphs. Our experiments on several ensembles of random graphs demonstrate that our method can reliably recover the sample Frechet mean.
Abstract（参考訳）: この研究は、グラフ(またはネットワーク)のサンプル平均の概念に取って代わる、サンプル平均を計算するための高速アルゴリズムを提案することにより、グラフ値のランダム変数に対する統計および機械学習における新しいツールの需要の増加に対処する。畳み込みニューラルネットワークを用いて、グラフの集合におけるグラフの形態を学習する。ランダムグラフの複数のアンサンブルに関する実験により,Frechet平均値を確実に回収できることを示す。

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)
Generator Born from Classifier [66.56001246096002]
データサンプルに頼ることなく、イメージジェネレータを再構築することを目指している。本稿では,ネットワークパラメータの収束条件を満たすために,ジェネレータを訓練する新しい学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-12-05T03:41:17Z)
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)
Bures-Wasserstein Means of Graphs [60.42414991820453]
本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
論文参考訳（メタデータ） (2023-05-31T11:04:53Z)
Subgraph Frequency Distribution Estimation using Graph Neural Networks [17.02487540304784]
本稿では,グラフニューラルネットワークを用いた新しい表現学習フレームワークであるGNNSを提案する。我々のフレームワークは、ノード、サブグラフ、グラフの階層的な埋め込みを学習する推論モデルと生成モデルを含む。学習したモデルと埋め込みを用いて、サブグラフを高度にスケーラブルで並列な方法でサンプリングし、これらのサンプリングされたサブグラフに基づいて周波数分布推定を行う。
論文参考訳（メタデータ） (2022-07-14T06:23:38Z)
A generative neural network model for random dot product graphs [1.1421942894219896]
GraphMoEは、ランダムグラフの生成モデルを学ぶための新しいアプローチである。ニューラルネットワークは、モーメント推定器を用いて、ランダムグラフのクラスの分布と一致するように訓練される。
論文参考訳（メタデータ） (2022-04-15T19:59:22Z)
Training Graph Neural Networks by Graphon Estimation [2.5997274006052544]
本稿では,基礎となるネットワークデータから得られたグラフトン推定値から再サンプリングすることで,グラフニューラルネットワークをトレーニングする。我々のアプローチは競争力があり、多くの場合、他の過度にスムースなGNNトレーニング手法よりも優れています。
論文参考訳（メタデータ） (2021-09-04T19:21:48Z)
The Sample Fr\'echet Mean of Sparse Graphs is Sparse [0.0]
空間性は遺伝的性質であり、グラフサンプルからサンプルFr'echet平均に伝達できることを示す。この結果は、スパーシリティが遺伝性であることを保証するもので、グラフサンプルからサンプルFr'echet平均に送信することができる。
論文参考訳（メタデータ） (2021-05-30T00:40:43Z)
Adversarial Examples Detection with Bayesian Neural Network [57.185482121807716]
本稿では,ランダムな成分が予測器の滑らかさを向上できるという観測によって動機づけられた敵の例を検出するための新しい枠組みを提案する。本稿では,BATer を略した新しいベイズ対向型サンプル検出器を提案し,対向型サンプル検出の性能を向上させる。
論文参考訳（メタデータ） (2021-05-18T15:51:24Z)
Sampling and Recovery of Graph Signals based on Graph Neural Networks [44.76396026242879]
本稿では,グラフ信号のサンプリングとリカバリのための解釈可能なグラフニューラルネットワークを提案する。提案手法は,ニューラルネットワークの学習能力を活用して,データから様々なグラフ信号モデルを柔軟に学習することができる。実験では,提案したグラフニューラルサンプリングおよびリカバリモジュールの効果を概説し,各モジュールが様々なグラフ構造やグラフ信号に柔軟に適応できることを見出した。
論文参考訳（メタデータ） (2020-11-03T01:45:41Z)
Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-05T07:06:19Z)

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。