Fugu-MT 論文翻訳(概要): The Graphical Nadaraya-Watson Estimator on Latent Position Models

論文の概要: The Graphical Nadaraya-Watson Estimator on Latent Position Models

arxiv url: http://arxiv.org/abs/2303.17229v1
Date: Thu, 30 Mar 2023 08:56:28 GMT
ステータス: 処理完了
システム内更新日: 2023-03-31 13:58:12.506738
Title: The Graphical Nadaraya-Watson Estimator on Latent Position Models
Title（参考訳）: 潜在位置モデルにおけるナダラヤ・ワトソン推定器
Authors: M. Gjorgjevski, N. Keriven, S. Barthelm\'e, Y. De Castro
Abstract要約: ラベル付きノードのサブセットを持つグラフが与えられた場合、平均推定器の品質に興味がある。この文脈において、濃度特性、分散境界およびリスク境界について厳密に研究する。推定器自体は非常に単純で、データ生成プロセスは実用アプリケーションには理想的すぎるが、我々は、グラフニューラルネットワークのようなより洗練された手法の理論的理解に向けて、我々の小さなステップが貢献すると考えている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Given a graph with a subset of labeled nodes, we are interested in the quality of the averaging estimator which for an unlabeled node predicts the average of the observations of its labeled neighbours. We rigorously study concentration properties, variance bounds and risk bounds in this context. While the estimator itself is very simple and the data generating process is too idealistic for practical applications, we believe that our small steps will contribute towards the theoretical understanding of more sophisticated methods such as Graph Neural Networks.
Abstract（参考訳）: ラベル付きノードのサブセットを持つグラフが与えられた場合、ラベル付きノードがラベル付き隣接ノードの観測平均を予測する平均化推定器の品質に興味があります。我々は, この文脈において, 濃度特性, 分散限界, リスク境界を厳格に研究する。推定器自体は非常に単純であり、データ生成プロセスは実用的応用にはあまりにも理想的すぎるが、グラフニューラルネットワークのようなより洗練された手法を理論的に理解するための小さなステップがあると信じている。

関連論文リスト

Node Regression on Latent Position Random Graphs via Local Averaging [10.962094053749093]
ノード回帰に対する各種推定器の性能について検討する。もう一つの選択肢は、まず潜伏位置の間の真の距離を推定し、次にこれらの推定距離を古典的なナダラヤ・ワトソン推定器に注入することである。本手法は,グラフ近傍が大きすぎる場合や小きすぎる場合であっても,特定の場合において標準の非パラメトリックレートを達成することができることを示す。
論文参考訳（メタデータ） (2024-10-29T12:17:06Z)
Joint graph learning from Gaussian observations in the presence of hidden nodes [26.133725549667734]
本稿では,隠れ変数の存在を考慮した共同グラフ学習法を提案する。従来の考察から得られた構造を利用して凸最適化問題を提案する。提案したアルゴリズムを異なるベースラインで比較し、合成グラフと実世界のグラフ上での性能を評価する。
論文参考訳（メタデータ） (2022-12-04T13:03:41Z)
A Graph Is More Than Its Nodes: Towards Structured Uncertainty-Aware Learning on Graphs [49.76175970328538]
本稿では,エッジワイド・キャリブレーション・エラー(ECE)とアライアンス・ディスアグリーECEを新たに提案し,ノードワイド・セッティングを超えるグラフの不確実性推定の基準を提供する。実験により,提案したエッジワイドメトリクスがノードワイズの結果を補完し,さらなる洞察を得ることが実証された。
論文参考訳（メタデータ） (2022-10-27T16:12:58Z)
Graph Condensation via Receptive Field Distribution Matching [61.71711656856704]
本稿では,元のグラフを表す小さなグラフの作成に焦点をあてる。我々は、元のグラフを受容体の分布とみなし、受容体が同様の分布を持つ小さなグラフを合成することを目的としている。
論文参考訳（メタデータ） (2022-06-28T02:10:05Z)
Optimal Propagation for Graph Neural Networks [51.08426265813481]
最適グラフ構造を学習するための二段階最適化手法を提案する。また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
論文参考訳（メタデータ） (2022-05-06T03:37:00Z)
Graph-in-Graph (GiG): Learning interpretable latent graphs in non-Euclidean domain for biological and healthcare applications [52.65389473899139]
グラフは、医療領域において、非ユークリッドな非ユークリッドデータをユビキタスに表現し、分析するための強力なツールである。近年の研究では、入力データサンプル間の関係を考慮すると、下流タスクに正の正の正則化効果があることが示されている。タンパク質分類と脳イメージングのためのニューラルネットワークアーキテクチャであるGraph-in-Graph(GiG)を提案する。
論文参考訳（メタデータ） (2022-04-01T10:01:37Z)
Bayesian Graph Contrastive Learning [55.36652660268726]
本稿では,ランダムな拡張がエンコーダにつながることを示すグラフコントラスト学習手法の新たな視点を提案する。提案手法は,各ノードを決定論的ベクトルに埋め込む既存の手法とは対照的に,各ノードを潜在空間の分布で表現する。いくつかのベンチマークデータセットにおける既存の最先端手法と比較して,性能が大幅に向上したことを示す。
論文参考訳（メタデータ） (2021-12-15T01:45:32Z)
Learning Sparse Graphs with a Core-periphery Structure [14.112444998191698]
本稿では,コア周辺構造ネットワークに関連するデータ生成モデルを提案する。ネットワークのコア部分における密接な(疎い)接続を誘導するスパースグラフとニューダルコアスコアを推論する。
論文参考訳（メタデータ） (2021-10-08T10:41:30Z)
Posterior Consistency of Semi-Supervised Regression on Graphs [14.65047105712853]
グラフベースの半教師付き回帰(SSR)は、頂点の小さな部分集合上の値(ラベル)から重み付きグラフ上の関数の値を推定する問題である。本稿では,ラベルの雑音が小さく,基礎となるグラフ重み付けがよくクラスタ化されたノードと整合している環境で,分類の文脈におけるSSRの整合性について考察する。重み付きグラフはグラフラプラシアンを用いてガウス先行を定義するSSRのベイズ式を示し、ラベル付きデータは可能性を定義する。
論文参考訳（メタデータ） (2020-07-25T00:00:19Z)
Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。本稿では,非自明なERGに対する近似フレームワークを提案する。我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。