Fugu-MT 論文翻訳(概要): Knowledge Propagation over Conditional Independence Graphs

論文の概要: Knowledge Propagation over Conditional Independence Graphs

arxiv url: http://arxiv.org/abs/2308.05857v2
Date: Tue, 22 Oct 2024 02:41:48 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-23 14:26:05.091435
Title: Knowledge Propagation over Conditional Independence Graphs
Title（参考訳）: 条件付き独立グラフによる知識伝播
Authors: Urszula Chajewska, Harsh Shrivastava,
Abstract要約: 条件独立(CI)グラフは特徴間の依存をキャプチャする。本稿では,CIグラフ上で知識伝達を行うアルゴリズムを提案する。実験により,我々の技術は一般公開されたColaおよびPubMedデータセットの最先端性の向上を実証した。
参考スコア（独自算出の注目度）: 2.2721854258621064
License:
Abstract: Conditional Independence (CI) graph is a special type of a Probabilistic Graphical Model (PGM) where the feature connections are modeled using an undirected graph and the edge weights show the partial correlation strength between the features. Since the CI graphs capture direct dependence between features, they have been garnering increasing interest within the research community for gaining insights into the systems from various domains, in particular discovering the domain topology. In this work, we propose algorithms for performing knowledge propagation over the CI graphs. Our experiments demonstrate that our techniques improve upon the state-of-the-art on the publicly available Cora and PubMed datasets.
Abstract（参考訳）: 条件付き独立グラフ (CI) は確率的グラフモデル (PGM) の特殊なタイプであり、特徴接続は非方向グラフを用いてモデル化され、エッジウェイトは特徴間の部分的相関強度を示す。 CIグラフは機能間の直接的な依存を捉えているため、さまざまなドメインからのシステム、特にドメイントポロジの発見に対する洞察を得るために、研究コミュニティ内での関心が高まっている。本研究では,CIグラフ上で知識伝達を行うアルゴリズムを提案する。実験により,我々の技術は一般公開されたColaおよびPubMedデータセットの最先端性の向上を実証した。

関連論文リスト

Rank and Align: Towards Effective Source-free Graph Domain Adaptation [16.941755478093153]
グラフニューラルネットワーク(GNN)は、グラフ領域適応において素晴らしいパフォーマンスを達成した。しかし、プライバシやストレージ上の懸念から、大規模なソースグラフは現実のシナリオでは利用できない可能性がある。そこで我々は,Range and Align (RNA)と呼ばれる新しいGNNベースのアプローチを導入し,ロバストセマンティクス学習のためのスペクトルセレーションとグラフ類似性をランク付けする。
論文参考訳（メタデータ） (2024-08-22T08:00:50Z)
Graph External Attention Enhanced Transformer [20.44782028691701]
本稿では,複数の外部ノード/エッジキー値単位を利用してグラフ間相関を暗黙的にキャプチャする新しい注意機構であるグラフ外部注意機構(GEA)を提案する。そこで我々は,GeAET (Graph external Attention Enhanced Transformer) と呼ばれる効果的なアーキテクチャを設計した。ベンチマークデータセットの実験では、GAETが最先端の実証的なパフォーマンスを達成することが示されている。
論文参考訳（メタデータ） (2024-05-31T17:50:27Z)
Continuous Product Graph Neural Networks [5.703629317205571]
複数のグラフ上に定義されたマルチドメインデータは、計算機科学の実践的応用において大きな可能性を秘めている。 TPDEGの自然な解として現れるCITRUS(Continuous Product Graph Neural Networks)を紹介する。我々は、CITRUSをよく知られた交通・時間天気予報データセットで評価し、既存の手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2024-05-29T08:36:09Z)
Message Intercommunication for Inductive Relation Reasoning [49.731293143079455]
我々はMINESと呼ばれる新しい帰納的関係推論モデルを開発した。隣り合う部分グラフにメッセージ通信機構を導入する。我々の実験は、MINESが既存の最先端モデルより優れていることを示している。
論文参考訳（メタデータ） (2023-05-23T13:51:46Z)
Methods for Recovering Conditional Independence Graphs: A Survey [2.2721854258621064]
条件付き独立グラフ(CIグラフ)は、機能関係に関する洞察を得るために使用される。異なる手法をリストアップし、CIグラフを復元する手法の進歩について研究する。
論文参考訳（メタデータ） (2022-11-13T06:11:38Z)
Causally-guided Regularization of Graph Attention Improves Generalizability [69.09877209676266]
本稿では,グラフアテンションネットワークのための汎用正規化フレームワークであるCARを紹介する。メソッド名は、グラフ接続に対するアクティブ介入の因果効果とアテンションメカニズムを一致させる。ソーシャル・メディア・ネットワーク規模のグラフでは、CAR誘導グラフ再構成アプローチにより、グラフの畳み込み手法のスケーラビリティとグラフの注意力の向上を両立させることができる。
論文参考訳（メタデータ） (2022-10-20T01:29:10Z)
Discovering the Representation Bottleneck of Graph Neural Networks from Multi-order Interactions [51.597480162777074]
グラフニューラルネットワーク(GNN)は、ノード機能を伝搬し、インタラクションを構築するためにメッセージパッシングパラダイムに依存している。最近の研究は、異なるグラフ学習タスクはノード間の異なる範囲の相互作用を必要とすることを指摘している。科学領域における2つの共通グラフ構築法、すなわち、emphK-nearest neighbor(KNN)グラフとemphfully-connected(FC)グラフについて検討する。
論文参考訳（メタデータ） (2022-05-15T11:38:14Z)
Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
論文参考訳（メタデータ） (2021-06-26T06:24:51Z)
Multi Scale Temporal Graph Networks For Skeleton-based Action Recognition [5.970574258839858]
グラフ畳み込みネットワーク(GCN)は、関連するノードの特徴を効果的に捉え、モデルの性能を向上させる。まず、時間的特徴と空間的特徴の整合性を無視し、特徴をノード単位とフレーム単位で抽出する。本稿では,行動認識のための時間グラフネットワーク(TGN)と呼ばれる新しいモデルを提案する。
論文参考訳（メタデータ） (2020-12-05T08:08:25Z)
Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
論文参考訳（メタデータ） (2020-03-15T02:33:21Z)
Graph Representation Learning via Graphical Mutual Information Maximization [86.32278001019854]
本稿では,入力グラフとハイレベルな隠蔽表現との相関を測る新しい概念であるGMIを提案する。我々は,グラフニューラルエンコーダの入力と出力の間でGMIを最大化することで訓練された教師なし学習モデルを開発する。
論文参考訳（メタデータ） (2020-02-04T08:33:49Z)

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。