論文の概要: Local Message Passing on Frustrated Systems

• arxiv url: http://arxiv.org/abs/2306.01494v1
• Date: Fri, 2 Jun 2023 12:42:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 15:00:48.763389
• Title: Local Message Passing on Frustrated Systems
• Title（参考訳）: フラストレーションシステムにおけるローカルメッセージパッシング
• Authors: Luca Schmid, Joshua Brenk, Laurent Schmalen
• Abstract要約: 我々は、特に巡回グラフでうまく機能する代替メッセージパッシングアルゴリズムを探索する。 我々は、基礎となるグラフの係数ノードにおけるローカルなSPAメッセージ更新ルールを、データ駆動方式で最適化されたジェネリックマッピングに置き換える。 シンボル間干渉を伴う線形通信路上でのシンボル検出のための2x2完全連結イジング格子と因子グラフの2種類の循環グラフについて,本手法の評価を行った。
• 参考スコア（独自算出の注目度）: 1.7188280334580193
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Message passing on factor graphs is a powerful framework for probabilistic inference, which finds important applications in various scientific domains. The most wide-spread message passing scheme is the sum-product algorithm (SPA) which gives exact results on trees but often fails on graphs with many small cycles. We search for an alternative message passing algorithm that works particularly well on such cyclic graphs. Therefore, we challenge the extrinsic principle of the SPA, which loses its objective on graphs with cycles. We further replace the local SPA message update rule at the factor nodes of the underlying graph with a generic mapping, which is optimized in a data-driven fashion. These modifications lead to a considerable improvement in performance while preserving the simplicity of the SPA. We evaluate our method for two classes of cyclic graphs: the 2x2 fully connected Ising grid and factor graphs for symbol detection on linear communication channels with inter-symbol interference. To enable the method for large graphs as they occur in practical applications, we develop a novel loss function that is inspired by the Bethe approximation from statistical physics and allows for training in an unsupervised fashion.
• Abstract（参考訳）: 因子グラフ上のメッセージパッシングは、様々な科学的領域で重要な応用を見つける確率的推論の強力なフレームワークである。 最も広範なメッセージパッシング方式はSPA(Sum-product Algorithm)であり、木について正確な結果を与えるが、小さな周期のグラフでは失敗することが多い。 このような循環グラフで特にうまく機能する代替メッセージパッシングアルゴリズムを探索する。 そこで我々は,SPAの外部原理に挑戦し,サイクルを持つグラフの目的を損なう。 さらに、基礎となるグラフの係数ノードにおけるローカルSPAメッセージ更新ルールを、データ駆動方式で最適化されたジェネリックマッピングに置き換える。 これらの変更は、spaの単純さを保ちながら、パフォーマンスを大幅に向上させる。 シンボル間干渉を伴う線形通信路上でのシンボル検出のための2x2完全連結イジング格子と因子グラフの2種類の循環グラフについて評価を行った。 本手法は,統計物理学のbethe近似に触発された新しい損失関数を開発し,教師なしの方法でのトレーニングを可能にする。

関連論文リスト

• Random Walk Diffusion for Efficient Large-Scale Graph Generation [0.43108040967674194]
  本稿では,ARROW-Diff(AutoRegressive RandOm Walk Diffusion)を提案する。 我々は、ARROW-Diffが、生成時間と多重グラフ統計の両方の観点から、他のベースライン手法を超越して、大きなグラフに効率的にスケールできることを実証した。
  論文  参考訳（メタデータ） (2024-08-08T13:42:18Z)
• EggNet: An Evolving Graph-based Graph Attention Network for Particle Track Reconstruction [0.0]
  我々は,一組のヒットから粒子トラックを直接再構成するワンショットOCアプローチを検討する。 このアプローチは、グラフを反復的に更新し、各グラフを横断するメッセージをより容易にする。 TrackMLデータセットに関する予備研究は、固定された入力グラフを必要とする方法と比較して、トラック性能が向上したことを示している。
  論文  参考訳（メタデータ） (2024-07-18T22:29:24Z)
• A Topology-aware Graph Coarsening Framework for Continual Graph Learning [8.136809136959302]
  グラフに関する継続的な学習は、グラフデータがストリーミング形式で到着するグラフニューラルネットワーク(GNN)のトレーニングに対処する。 Experience Replayのような従来の継続的学習戦略は、ストリーミンググラフに適応することができる。 本稿では, TA$mathbbCO$, a (t)opology-(a)ware graph (co)arsening and (co)ntinual learning frameworkを提案する。
  論文  参考訳（メタデータ） (2024-01-05T22:22:13Z)
• You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
  従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。 より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。 この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
  論文  参考訳（メタデータ） (2023-02-27T22:56:06Z)
• A Complex Network based Graph Embedding Method for Link Prediction [0.0]
  本稿では,人気相似性と地域アトラクションのパラダイムに基づく新しいグラフ埋め込み手法を提案する。 実験結果から,提案手法は最先端のグラフ埋め込みアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-11T14:46:38Z)
• Low-complexity Near-optimum Symbol Detection Based on Neural Enhancement of Factor Graphs [2.030567625639093]
  本稿では,シンボル検出のための因子グラフフレームワークの線形シンボル間干渉チャネルへの応用について考察する。 ニューラルエンハンスメントによる因子グラフに基づくシンボル検出の性能向上のための戦略を開発し,評価する。
  論文  参考訳（メタデータ） (2022-03-30T15:58:53Z)
• A Robust and Generalized Framework for Adversarial Graph Embedding [73.37228022428663]
  本稿では,AGE という逆グラフ埋め込みのための頑健なフレームワークを提案する。 AGEは、暗黙の分布から強化された負のサンプルとして偽の隣接ノードを生成する。 本フレームワークでは,3種類のグラフデータを扱う3つのモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-22T07:05:48Z)
• Multilayer Clustered Graph Learning [66.94201299553336]
  我々は、観測された層を代表グラフに適切に集約するために、データ忠実度用語として対照的な損失を用いる。 実験により,本手法がクラスタクラスタw.r.tに繋がることが示された。 クラスタリング問題を解くためのクラスタリングアルゴリズムを学習する。
  論文  参考訳（メタデータ） (2020-10-29T09:58:02Z)
• Line Graph Neural Networks for Link Prediction [71.00689542259052]
  実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。 このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。 本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。 特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
  論文  参考訳（メタデータ） (2020-10-20T05:54:31Z)
• 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)
• 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。

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。