論文の概要: Construction numbers: How to build a graph?
- arxiv url: http://arxiv.org/abs/2302.13186v5
- Date: Sun, 20 Oct 2024 17:23:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:11:35.092902
- Title: Construction numbers: How to build a graph?
- Title(参考訳): 構築番号: グラフの作り方?
- Authors: Paul C. Kainen,
- Abstract要約: 構成列はグラフの要素の一覧であり、各エッジはその両方のエンドポイントに従う。
グラフの構成数はそのようなシーケンスの数である。
この数は様々なグラフ族に対して決定される。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: A construction sequence for a graph is a listing of the elements of the graph (the set of vertices and edges) such that each edge follows both its endpoints. The construction number of the graph is the number of such sequences. We determine this number for various graph families.
- Abstract(参考訳): グラフの構成シーケンスは、グラフの要素(頂点と辺の集合)の一覧であり、各エッジはその両方のエンドポイントに従う。
グラフの構成数はそのようなシーケンスの数である。
この数は様々なグラフ族に対して決定される。
関連論文リスト
- A Graph is Worth $K$ Words: Euclideanizing Graph using Pure Transformer [47.25114679486907]
我々は、非ユークリッドグラフを学習可能なグラフワードに変換するGraph2Seqエンコーダを特徴とするGraphsGPTを紹介する。
GraphGPTデコーダは、元のグラフをGraph Wordsから再構成し、情報等価性を保証する。
論文 参考訳(メタデータ) (2024-02-04T12:29:40Z) - Finding the Missing-half: Graph Complementary Learning for
Homophily-prone and Heterophily-prone Graphs [48.79929516665371]
ホモフィリーなエッジを持つグラフは、同じクラスでノードを接続する傾向がある。
ヘテロフィ的傾向のあるエッジは、異なるクラスを持つノード間の関係を構築する傾向がある。
既存のGNNはトレーニング中にオリジナルのグラフのみを取る。
論文 参考訳(メタデータ) (2023-06-13T08:06:10Z) - Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。
近年の研究では、グラフ表現学習における事前学習の有用性が示されている。
本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
論文 参考訳(メタデータ) (2023-02-06T16:26:29Z) - Deterministic Graph-Walking Program Mining [10.482805367361818]
長さが増加する順にプログラムを生成する決定論的グラフウォーキングプログラムを2つのアルゴリズムでマイニングする。
これらのプログラムはグラフ全体の文脈において与えられた2つの頂点集合間の線形長距離関係を特徴づける。
論文 参考訳(メタデータ) (2022-08-22T13:16:13Z) - Explanation Graph Generation via Pre-trained Language Models: An
Empirical Study with Contrastive Learning [84.35102534158621]
エンドツーエンドで説明グラフを生成する事前学習言語モデルについて検討する。
本稿では,ノードとエッジの編集操作によるグラフ摂動の簡易かつ効果的な方法を提案する。
提案手法は,説明グラフの構造的精度と意味的精度を両立させる。
論文 参考訳(メタデータ) (2022-04-11T00:58:27Z) - AnchorGAE: General Data Clustering via $O(n)$ Bipartite Graph
Convolution [79.44066256794187]
我々は、グラフ畳み込みネットワーク(GCN)を構築するために使用される生成グラフモデルを導入することにより、グラフに非グラフデータセットを変換する方法を示す。
アンカーによって構築された二部グラフは、データの背後にある高レベル情報を利用するために動的に更新される。
理論的には、単純な更新が退化につながることを証明し、それに従って特定の戦略が設計される。
論文 参考訳(メタデータ) (2021-11-12T07:08:13Z) - Some Algorithms on Exact, Approximate and Error-Tolerant Graph Matching [3.655021726150369]
我々は、様々な正確かつ不正確なグラフマッチング技術の広範な調査を紹介します。
グラフマッチングアルゴリズムのカテゴリが提示され、重要でないノードを除去することでグラフのサイズを小さくする。
幾何グラフを用いたグラフ類似度測定の新しい手法を提案する。
論文 参考訳(メタデータ) (2020-12-30T18:51:06Z) - High-Order Relation Construction and Mining for Graph Matching [36.880853889521845]
高次情報を記述するために、反復線グラフが最初に導入された。
本稿では,HGMN(High-order Graph Matching Network)と呼ばれる新しいグラフマッチング手法を提案する。
実用的な制約を課すことで、HGMNは大規模グラフに拡張性を持たせることができる。
論文 参考訳(メタデータ) (2020-10-09T03:30:02Z) - Graph model overview, events scales structure and chains of events [0.0]
時空に対する背景に依存しないリレーショナルアプローチのためのグラフモデルを提案する。
グラフカラーリングは、単色(均一ループ)または多色(均一ループ)が可能なグラフ頂点(イベント)のクラスタ内のグラフ構造を決定する。
異なるスケール(状態)における自己相似特性を持つ現生構造
論文 参考訳(メタデータ) (2020-07-12T16:42:09Z) - Wasserstein-based Graph Alignment [56.84964475441094]
我々は,より小さいグラフのノードと大きなグラフのノードをマッチングすることを目的とした,1対多のグラフアライメント問題に対する新しい定式化を行った。
提案手法は,各タスクに対する最先端のアルゴリズムに対して,大幅な改善をもたらすことを示す。
論文 参考訳(メタデータ) (2020-03-12T22:31:59Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。