Fugu-MT 論文翻訳(概要): Anomaly Detection in Networks via Score-Based Generative Models

論文の概要: Anomaly Detection in Networks via Score-Based Generative Models

arxiv url: http://arxiv.org/abs/2306.15324v1
Date: Tue, 27 Jun 2023 09:28:29 GMT
ステータス: 処理完了
システム内更新日: 2023-06-28 14:00:19.351952
Title: Anomaly Detection in Networks via Score-Based Generative Models
Title（参考訳）: スコアに基づく生成モデルによるネットワークの異常検出
Authors: Dmitrii Gavrilev, Evgeny Burnaev
Abstract要約: 属性付きグラフにおけるノードの異常検出は、異なるデータセット間でうまく機能するメソッドがないという難しい問題である。グラフ生成モデルにおけるスコアベースモデルの現状に触発され、上記の問題に組み込むことを提案する。提案手法は,小規模グラフ上での競合結果を実現する。
参考スコア（独自算出の注目度）: 14.95826212004679
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Node outlier detection in attributed graphs is a challenging problem for which there is no method that would work well across different datasets. Motivated by the state-of-the-art results of score-based models in graph generative modeling, we propose to incorporate them into the aforementioned problem. Our method achieves competitive results on small-scale graphs. We provide an empirical analysis of the Dirichlet energy, and show that generative models might struggle to accurately reconstruct it.
Abstract（参考訳）: 属性付きグラフにおけるノード異常検出は、異なるデータセットにまたがってうまく機能するメソッドがないという難しい問題である。グラフ生成モデルにおけるスコアベースモデルの最先端結果に動機づけられ,上記の問題にそれらを組み込むことを提案する。本手法は小規模グラフ上での競合結果を得る。ジリクレエネルギーの実験的解析を行い,生成モデルがジリクレエネルギーの正確な再構成に支障をきたす可能性を示した。

関連論文リスト

Creating generalizable downstream graph models with random projections [22.690120515637854]
本稿では,グラフ全体にわたってモデルを一般化するグラフ表現学習手法について検討する。遷移行列の複数のパワーを推定するためにランダムな射影を用いることで、同型不変な特徴の集合を構築することができることを示す。結果として得られる特徴は、ノードの局所的近傍に関する十分な情報を回復するために使用することができ、他のアプローチと競合する推論を可能にする。
論文参考訳（メタデータ） (2023-02-17T14:27:00Z)
Joint Network Topology Inference via a Shared Graphon Model [24.077455621015552]
観測結果から複数のネットワークのトポロジを推定する問題を考察する。これは非パラメトリックなモデルであり、潜在的に異なるサイズのグラフを描画することができる。
論文参考訳（メタデータ） (2022-09-17T02:38:58Z)
Similarity-aware Positive Instance Sampling for Graph Contrastive Pre-training [82.68805025636165]
トレーニングセット内の既存グラフから直接正のグラフインスタンスを選択することを提案する。私たちの選択は、特定のドメイン固有のペアワイズ類似度測定に基づいています。さらに,ノードを動的にマスキングしてグラフ上に均等に分配する適応ノードレベルの事前学習手法を開発した。
論文参考訳（メタデータ） (2022-06-23T20:12:51Z)
Score matching enables causal discovery of nonlinear additive noise models [63.93669924730725]
次世代のスケーラブル因果発見手法の設計方法について述べる。本稿では,スコアのヤコビアンを効率的に近似し,因果グラフを復元する手法を提案する。
論文参考訳（メタデータ） (2022-03-08T21:34:46Z)
Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文参考訳（メタデータ） (2022-02-05T08:21:04Z)
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)
Distributionally Robust Semi-Supervised Learning Over Graphs [68.29280230284712]
グラフ構造化データに対する半教師付き学習(SSL)は、多くのネットワークサイエンスアプリケーションに現れる。グラフ上の学習を効率的に管理するために,近年,グラフニューラルネットワーク(GNN)の変種が開発されている。実際に成功したにも拘わらず、既存の手法のほとんどは、不確実な結節属性を持つグラフを扱うことができない。ノイズ測定によって得られたデータに関連する分布の不確実性によっても問題が発生する。分散ロバストな学習フレームワークを開発し,摂動に対する定量的ロバスト性を示すモデルを訓練する。
論文参考訳（メタデータ） (2021-10-20T14:23:54Z)
Adversarial Stein Training for Graph Energy Models [11.182263394122142]
我々は、多チャネルグラフニューラルネットワーク(GNN)に基づくエネルギーベースモデル(EBM)を用いて、グラフ上の不変な非正規化密度関数の置換を学習する。提案手法は,ベンチマークモデルと比較して,グラフ生成における競合的な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-08-30T03:55:18Z)
Stochastic Iterative Graph Matching [11.128153575173213]
本稿では,グラフマッチング問題に対処する新しいモデルであるIterative Graph MAtchingを提案する。我々のモデルはグラフ対のマッチングの分布を定義し、モデルが様々な可能なマッチングを探索できるようにする。我々は、生化学やコンピュータビジョンの応用と同様に、合成グラフデータセットにまたがる広範な実験を行う。
論文参考訳（メタデータ） (2021-06-04T02:05:35Z)
Model-Agnostic Graph Regularization for Few-Shot Learning [60.64531995451357]
グラフ組み込み数ショット学習に関する包括的な研究を紹介します。本稿では,ラベル間のグラフ情報の組み込みによる影響をより深く理解できるグラフ正規化手法を提案する。提案手法は,Mini-ImageNetで最大2%,ImageNet-FSで6.7%の性能向上を実現する。
論文参考訳（メタデータ） (2021-02-14T05:28:13Z)

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。