論文の概要: TopoX: A Suite of Python Packages for Machine Learning on Topological Domains

• arxiv url: http://arxiv.org/abs/2402.02441v4
• Date: Sat, 17 Feb 2024 07:28:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-02-21 02:54:46.029970
• Title: TopoX: A Suite of Python Packages for Machine Learning on Topological Domains
• Title（参考訳）: TopoX: トポロジカルドメインでの機械学習のためのPythonパッケージスイート
• Abstract要約: TopoXはPythonのソフトウェアスイートで、トポロジ上のコンピューティングと機械学習のための信頼性とユーザフレンドリなビルディングブロックを提供する。 TopoXは、TopoNetX、TopoEmbedX、TopoModelxの3つのパッケージで構成されている。
• 参考スコア（独自算出の注目度）: 89.9320422266332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce TopoX, a Python software suite that provides reliable and user-friendly building blocks for computing and machine learning on topological domains that extend graphs: hypergraphs, simplicial, cellular, path and combinatorial complexes. TopoX consists of three packages: TopoNetX facilitates constructing and computing on these domains, including working with nodes, edges and higher-order cells; TopoEmbedX provides methods to embed topological domains into vector spaces, akin to popular graph-based embedding algorithms such as node2vec; TopoModelx is built on top of PyTorch and offers a comprehensive toolbox of higher-order message passing functions for neural networks on topological domains. The extensively documented and unit-tested source code of TopoX is available under MIT license at https://pyt-team.github.io/.
• Abstract（参考訳）: TopoXは,グラフを拡張するトポロジ的ドメイン(ハイパーグラフ,単純化,セル,パス,コンビネータ)上で,信頼性が高くユーザフレンドリなビルディングブロックを提供するPythonソフトウェアスイートである。 TopoNetXは、ノード、エッジ、高階セルなど、これらのドメインの構築と計算を容易にするTopoEmbedX、ノード2vecのような一般的なグラフベースの埋め込みアルゴリズムに似た、トポロジカルドメインをベクトル空間に埋め込む方法を提供するTopoEmbedX、PyTorch上に構築され、トポロジカルドメイン上のニューラルネットワークのための高階メッセージパッシング関数の包括的なツールボックスを提供する。 TopoXの広範囲にドキュメント化され、ユニットテストされたソースコードは、MITライセンスでhttps://pyt-team.github.io/で入手できる。

関連論文リスト

• MathOptAI.jl: Embed trained machine learning predictors into JuMP models [0.0]
  textttMathOptAI.jlは、訓練された機械学習予測をJuMPモデルに組み込むためのオープンソースのJuliaライブラリである。 textttMathOptAI.jlはJuliaのPythonインターフェイスを使用してPyTorchモデルをサポートする。
  論文  参考訳（メタデータ） (2025-07-03T20:32:08Z)
• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers [92.13613958373628]
  textttdepyfは、PyTorchコンパイラの内部動作を復号化するためのツールである。 textttdepyfは、PyTorchが生成したバイトコードを等価なソースコードに逆コンパイルする。
  論文  参考訳（メタデータ） (2024-03-14T16:17:14Z)
• PyTorch Geometric High Order: A Unified Library for High Order Graph Neural Network [32.537428858455]
  PyTorch Geometric High Order (PyGHO)は、PyTorch (PyG)を拡張した高次グラフニューラルネットワーク(HOGNN)のためのライブラリである。 我々は、PyGHOの詳細な詳細を提示し、PyGHOで実装されたHOGNNと現実世界のタスクに関する公式実装を比較した。
  論文  参考訳（メタデータ） (2023-11-28T10:34:48Z)
• Hyperparameter Tuning Cookbook: A guide for scikit-learn, PyTorch, river, and spotPython [0.20305676256390928]
  このドキュメントは、Scikit-learn、PyTorch、RiverのSpotPythonを使ったハイパーパラメータチューニングのガイドを提供する。 ハンズオンのアプローチとステップバイステップの説明により、この料理本は実践的な出発点となる。
  論文  参考訳（メタデータ） (2023-07-17T16:20:27Z)
• pgmpy: A Python Toolkit for Bayesian Networks [0.26651200086513094]
  pgmpyは、構造学習、パラメータ推定、近似と正確な推論、因果推論、シミュレーションのためのアルゴリズムを実装するピソンパッケージである。 pgmpyはMITライセンス下でリリースされている。
  論文  参考訳（メタデータ） (2023-04-17T22:17:53Z)
• Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
  点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。 第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
  論文  参考訳（メタデータ） (2023-02-02T08:33:36Z)
• pyGSL: A Graph Structure Learning Toolkit [14.000763778781547]
  pyGSLは、最先端のグラフ構造学習モデルの効率的な実装を提供するPythonライブラリである。 pyGSLはGPUフレンドリーな方法で書かれており、より大きなネットワークタスクにスケールすることができる。
  論文  参考訳（メタデータ） (2022-11-07T14:23:10Z)
• hyperbox-brain: A Toolbox for Hyperbox-based Machine Learning Algorithms [9.061408029414455]
  Hyperbox-brainはオープンソースのPythonライブラリで、主要なハイパーボックスベースの機械学習アルゴリズムを実装している。 Hyperbox-brainは、よく知られたScikit-learnおよびnumpyツールボックスと互換性のある統一APIを公開する。
  論文  参考訳（メタデータ） (2022-10-06T06:40:07Z)
• Neighbor2Seq: Deep Learning on Massive Graphs by Transforming Neighbors to Sequences [55.329402218608365]
  本研究では,各ノードの階層的近傍をシーケンスに変換するためにNeighbor2Seqを提案する。 1100万以上のノードと160億のエッジを持つ大規模グラフ上で,本手法の評価を行った。 その結果,提案手法は大規模グラフに対してスケーラブルであり,大規模グラフと中規模グラフにまたがる優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-02-07T16:38:36Z)
• pygrank: A Python Package for Graph Node Ranking [13.492381728793612]
  我々は、ノードランキングアルゴリズムを定義し、実行し、評価するオープンソースのPythonパッケージであるpygrankを紹介した。 我々は,グラフフィルタ,ポストプロセッサ,測度,ベンチマーク,オンラインチューニングなど,オブジェクト指向で広範囲に単体テストされたアルゴリズムコンポーネントを提供する。
  論文  参考訳（メタデータ） (2021-10-18T13:13:21Z)
• Two-dimensional mesh generator in generalized coordinates implemented in Python [1.1744028458220428]
  本稿では,パラメトリック線形スプライン法と偏微分方程式を用いた一般化座標の2次元メッシュ生成器を提案する。 ジェネレータは自動化されており、実際の複雑なドメインを処理できる。
  論文  参考訳（メタデータ） (2021-10-17T20:42:18Z)
• Efficient Graph Deep Learning in TensorFlow with tf_geometric [53.237754811019464]
  グラフ深層学習のための効率的でフレンドリなライブラリであるtf_geometricを導入する。 tf_geometricは、人気のあるGNNの実装と同様に、グラフニューラルネットワーク(GNN)を構築するためのカーネルライブラリを提供する。 カーネルライブラリは、グラフデータ構造、グラフマップ-リデュースフレームワーク、グラフミニバッチ戦略など、効率的なGNNを構築するためのインフラストラクチャで構成されている。
  論文  参考訳（メタデータ） (2021-01-27T17:16:36Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

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。