Fugu-MT 論文翻訳(概要): Low-Rank Representations Towards Classification Problem of Complex Networks

論文の概要: Low-Rank Representations Towards Classification Problem of Complex Networks

arxiv url: http://arxiv.org/abs/2210.11561v1
Date: Thu, 20 Oct 2022 19:56:18 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 16:04:01.228934
Title: Low-Rank Representations Towards Classification Problem of Complex Networks
Title（参考訳）: 複雑ネットワークの分類問題への低ランク表現
Authors: Murat \c{C}elik, Ali Baran Ta\c{s}demir, Lale \"Ozkahya
Abstract要約: 社会的相互作用、脳活動、分子構造を表す複雑なネットワークは、それらの特性をグラフとして理解し予測するために広く研究されている。これらのネットワークのモデルとアルゴリズムは、検索エンジンやレコメンデーターシステムのような現実のアプリケーションで使用される。ネットワーク分類問題における実生活ネットワークの低ランク表現の性能について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Complex networks representing social interactions, brain activities, molecular structures have been studied widely to be able to understand and predict their characteristics as graphs. Models and algorithms for these networks are used in real-life applications, such as search engines, and recommender systems. In general, such networks are modelled by constructing a low-dimensional Euclidean embedding of the vertices of the network, where proximity of the vertices in the Euclidean space hints the likelihood of an edge (link). In this work, we study the performance of such low-rank representations of real-life networks on a network classification problem.
Abstract（参考訳）: 社会的相互作用、脳活動、分子構造を表す複雑なネットワークは、それらの特性をグラフとして理解し予測するために広く研究されている。これらのネットワークのモデルとアルゴリズムは、検索エンジンやレコメンデーターシステムのような現実のアプリケーションで使用される。一般に、そのようなネットワークは、ユークリッド空間内の頂点の近接が辺(リンク)の可能性を示唆する、ネットワークの頂点の低次元ユークリッド埋め込みを構築することによってモデル化される。本研究では,ネットワーク分類問題における実生活ネットワークの低ランク表現の性能について検討する。

関連論文リスト

Topological Neural Networks: Mitigating the Bottlenecks of Graph Neural Networks via Higher-Order Interactions [1.994307489466967]
この研究は、メッセージパッシングニューラルネットワークにおいて、ネットワークの幅、深さ、グラフトポロジがオーバーカッシング現象に与える影響を明らかにする理論的枠組みから始まる。この研究は、トポロジカルニューラルネットワークを通して高次相互作用と多関係帰納バイアスへと流れていく。グラフ注意ネットワークにインスパイアされた2つのトポロジカルアテンションネットワーク(Simplicial and Cell Attention Networks)が提案されている。
論文参考訳（メタデータ） (2024-02-10T08:26:06Z)
Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
論文参考訳（メタデータ） (2024-02-04T08:57:42Z)
Unsupervised Graph Attention Autoencoder for Attributed Networks using K-means Loss [0.0]
我々は、属性付きネットワークにおけるコミュニティ検出のための、教師なしのtextbfGraph Attention textbfAutotextbfEncoder に基づく、シンプルで効率的なクラスタリング指向モデルを提案する。提案モデルは,ネットワークのトポロジと属性情報の両方から表現を十分に学習し,同時に2つの目的,すなわち再構築とコミュニティ発見に対処する。
論文参考訳（メタデータ） (2023-11-21T20:45:55Z)
Riemannian Residual Neural Networks [58.925132597945634]
残余ニューラルネットワーク(ResNet)の拡張方法を示す。 ResNetは、機械学習において、有益な学習特性、優れた経験的結果、そして様々なニューラルネットワークを構築する際に容易に組み込める性質のために、ユビキタスになった。
論文参考訳（メタデータ） (2023-10-16T02:12:32Z)
Rank Diminishing in Deep Neural Networks [71.03777954670323]
ニューラルネットワークのランクは、層をまたがる情報を測定する。これは機械学習の幅広い領域にまたがる重要な構造条件の例である。しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
論文参考訳（メタデータ） (2022-06-13T12:03:32Z)
Quasi-orthogonality and intrinsic dimensions as measures of learning and generalisation [55.80128181112308]
ニューラルネットワークの特徴空間の次元性と準直交性は、ネットワークの性能差別と共同して機能する可能性があることを示す。本研究は, ネットワークの最終的な性能と, ランダムに初期化された特徴空間の特性との関係を示唆する。
論文参考訳（メタデータ） (2022-03-30T21:47:32Z)
Network representation learning: A macro and micro view [9.221196170951702]
本稿では,ネットワーク表現学習に関する最近の文献を包括的にレビューする。既存のアルゴリズムは、浅い埋め込みモデル、異種ネットワーク埋め込みモデル、グラフニューラルネットワークベースモデルという3つのグループに分類される。この調査の利点の1つは、アルゴリズムの異なるカテゴリの基礎となる理論的基礎を体系的に研究することである。
論文参考訳（メタデータ） (2021-11-21T08:58:51Z)
Towards Understanding Theoretical Advantages of Complex-Reaction Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文参考訳（メタデータ） (2021-08-15T10:13:49Z)
Learning low-rank latent mesoscale structures in networks [1.1470070927586016]
ネットワークにおける低ランクメソスケール構造を記述するための新しい手法を提案する。いくつかの合成ネットワークモデルと経験的友情、協調、タンパク質-タンパク質相互作用(PPI)ネットワークを使用します。破損したネットワークから直接学習する潜在モチーフのみを用いて、破損したネットワークを認知する方法を示す。
論文参考訳（メタデータ） (2021-02-13T18:54:49Z)
Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文参考訳（メタデータ） (2020-08-19T04:53:31Z)
The impossibility of low rank representations for triangle-rich complex networks [9.550745725703292]
このようなグラフ埋め込みは複素ネットワークの健全な性質を捉えないと主張する。数学的には、これらの2つの性質をうまく生成できる埋め込みは、頂点数においてほぼ線型でなければならない。このことは、Singular Value Decompositionやnode2vecのような一般的な埋め込み技術が現実世界の複雑なネットワークの構造的側面を捉えていないことを証明している。
論文参考訳（メタデータ） (2020-03-27T20:57:56Z)

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。