論文の概要: ICML 2023 Topological Deep Learning Challenge : Design and Results

• arxiv url: http://arxiv.org/abs/2309.15188v1
• Date: Tue, 26 Sep 2023 18:49:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 18:09:20.536040
• Title: ICML 2023 Topological Deep Learning Challenge : Design and Results
• Title（参考訳）: ICML 2023 トポロジカルディープラーニングチャレンジ : 設計と結果
• Authors: Mathilde Papillon, Mustafa Hajij, Florian Frantzen, Josef Hoppe, Helen Jenne, Johan Mathe, Audun Myers, Theodore Papamarkou, Michael T. Schaub, Ghada Zamzmi, Tolga Birdal, Tamal Dey, Tim Doster, Tegan Emerson, Gurusankar Gopalakrishnan, Devendra Govil, Vincent Grande, Aldo Guzm\'an-S\'aenz, Henry Kvinge, Neal Livesay, Jan Meisner, Soham Mukherjee, Shreyas N. Samaga, Karthikeyan Natesan Ramamurthy, Maneel Reddy Karri, Paul Rosen, Sophia Sanborn, Michael Scholkemper, Robin Walters, Jens Agerberg, Georg B\"okman, Sadrodin Barikbin, Claudio Battiloro, Gleb Bazhenov, Guillermo Bernardez, Aiden Brent, Sergio Escalera, Simone Fiorellino, Dmitrii Gavrilev, Mohammed Hassanin, Paul H\"ausner, Odin Hoff Gardaa, Abdelwahed Khamis, Manuel Lecha, German Magai, Tatiana Malygina, Pavlo Melnyk, Rub\'en Ballester, Kalyan Nadimpalli, Alexander Nikitin, Abraham Rabinowitz, Alessandro Salatiello, Simone Scardapane, Luca Scofano, Suraj Singh, Jens Sj\"olund, Paul Snopov, Indro Spinelli, Lev Telyatnikov, Lucia Testa, Maosheng Yang, Yixiao Yue, Olga Zaghen, Ali Zia, Nina Miolane
• Abstract要約: コンペティションは参加者に、文献からトポロジカルニューラルネットワークのオープンソース実装を提供するよう求めた。 この挑戦は2ヶ月の期間に28の予選の応募を惹きつけた。 本稿では,課題の設計について述べるとともに,その主な知見を要約する。
• 参考スコア（独自算出の注目度）: 84.88885314152022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the computational challenge on topological deep learning that was hosted within the ICML 2023 Workshop on Topology and Geometry in Machine Learning. The competition asked participants to provide open-source implementations of topological neural networks from the literature by contributing to the python packages TopoNetX (data processing) and TopoModelX (deep learning). The challenge attracted twenty-eight qualifying submissions in its two-month duration. This paper describes the design of the challenge and summarizes its main findings.
• Abstract（参考訳）: 本稿では、ICML 2023 Workshop on Topology and Geometry in Machine Learningにホストされたトポロジ的深層学習に関する計算課題について述べる。 コンペティションは参加者に対して、PythonパッケージのTopoNetX(データ処理)とTopoModelX(ディープラーニング)にコントリビュートすることで、文献からトポロジカルニューラルネットワークのオープンソース実装を提供するように求めた。 この挑戦は2ヶ月の期間で28の応募を惹きつけた。 本稿では,課題の設計について述べるとともに,その主な知見を概説する。

関連論文リスト

• ICML Topological Deep Learning Challenge 2024: Beyond the Graph Domain [82.10943542681696]
  この課題は、異なる離散トポロジカル領域におけるデータの表現の問題に焦点を当てた。 この挑戦は全ての要求を満たす52の応募を受けた。 本稿では,課題のメインスコープを紹介し,主な成果と調査結果を要約する。
  論文  参考訳（メタデータ） (2024-09-08T19:59:53Z)
• Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
  第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。 合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
  論文  参考訳（メタデータ） (2024-07-20T10:13:54Z)
• Human Understanding AI Paper Challenge 2024 -- Dataset Design [0.0]
  2024年には、人間の日常生活を理解する人工知能技術の研究・開発のための研究論文コンテスト(第3回人間理解AI論文コンテスト)を開催します。 この文書では、コンペの参加者に提供されるデータセットを紹介し、データ処理と学習モデル開発において考慮すべき問題を要約する。
  論文  参考訳（メタデータ） (2024-03-25T07:48:34Z)
• The Robust Semantic Segmentation UNCV2023 Challenge Results [99.97867942388486]
  本稿では,ICCV 2023で実施されたMUAD不確実性定量化問題に対処するために用いられる勝利解について概説する。 この課題は、都市環境におけるセマンティックセグメンテーションを中心に、特に自然の敵対的なシナリオに焦点を当てた。 本報告では, 最先端の不確実性定量化手法からインスピレーションを得た19件の論文を提示する。
  論文  参考訳（メタデータ） (2023-09-27T08:20:03Z)
• Homological Neural Networks: A Sparse Architecture for Multivariate Complexity [0.0]
  我々は,基礎となるデータのホモロジー構造上に構築された,疎密な高階グラフィカルアーキテクチャを特徴とする,新しいディープニューラルネットワークユニットを開発する。 その結果、この新しい設計の利点は、ごく少数のパラメータだけで最先端の機械学習モデルとディープラーニングモデルの結果を結び付けるか、克服することができる。
  論文  参考訳（メタデータ） (2023-06-27T09:46:16Z)
• A Method to Predict Semantic Relations on Artificial Intelligence Papers [0.0]
  本稿では,グラフニューラルネットワーク(Graph Neural Networks)と呼ばれる深層学習アプローチの新たなファミリに基づいて,大規模進化型ネットワークにおけるリンクの出現を予測するソリューションを提案する。 この課題の結果,計算効率のよい近似モデルを得るためには,厳密な制約を課す必要があっても,我々のソリューションは競争力があることが示された。 本稿では,ノードのサブグラフによる吸収と,より密度の高いサブグラフの結合という,関連する2つの異なるパターンを学習していることを示唆する。
  論文  参考訳（メタデータ） (2022-01-24T18:27:17Z)
• Interpreting Deep Knowledge Tracing Model on EdNet Dataset [67.81797777936868]
  この作業では、EdNetと呼ばれる大規模で新しく利用可能なデータセット上で、同様のタスクを実行します。 予備実験の結果,解釈手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-31T07:18:59Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。