Fugu-MT 論文翻訳(概要): Introducing Graph Learning over Polytopic Uncertain Graph

論文の概要: Introducing Graph Learning over Polytopic Uncertain Graph

arxiv url: http://arxiv.org/abs/2404.08176v1
Date: Fri, 12 Apr 2024 00:55:07 GMT
ステータス: 処理完了
システム内更新日: 2024-04-15 16:15:01.665018
Title: Introducing Graph Learning over Polytopic Uncertain Graph
Title（参考訳）: ポリトピック不確かさグラフによるグラフ学習の導入
Authors: Masako Kishida, Shunsuke Ono,
Abstract要約: この抽象概念は、基礎となるグラフがポリトピック不確実性を持つ場合に適用可能なグラフ学習のクラスを導入する。グラフが2つの確立されたグラフ学習フレームワークにポリトピックセットにあるというこの仮定を取り入れることで、我々の手法はより少ない計算でより良い結果が得られることが分かる。
参考スコア（独自算出の注目度）: 7.165583602747691
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This extended abstract introduces a class of graph learning applicable to cases where the underlying graph has polytopic uncertainty, i.e., the graph is not exactly known, but its parameters or properties vary within a known range. By incorporating this assumption that the graph lies in a polytopic set into two established graph learning frameworks, we find that our approach yields better results with less computation.
Abstract（参考訳）: この拡張抽象概念は、基礎となるグラフがポリトピー的不確実性を持つ場合、すなわちグラフが正確には知られていないが、そのパラメータや性質が既知の範囲内で異なる場合に適用できるグラフ学習のクラスを導入している。グラフが2つの確立されたグラフ学習フレームワークにポリトピックセットにあるというこの仮定を取り入れることで、我々の手法はより少ない計算でより良い結果が得られることが分かる。

関連論文リスト

Graph data augmentation with Gromow-Wasserstein Barycenters [0.0]
非ユークリッド空間で動作するグラフに対する新たな拡張戦略が提案されている。非ユークリッド距離、特にグロモウ=ワッサーシュタイン距離は、グラフンのより良い近似をもたらす。このフレームワークはまた、異なるグラフオン推定アプローチを検証する手段を提供する。
論文参考訳（メタデータ） (2024-04-12T10:22:55Z)
PlanE: Representation Learning over Planar Graphs [9.697671872347131]
この研究はホップクロフトとタージャンの古典的な平面グラフ同型アルゴリズムにインスパイアされている。 PlanEには、実用的な拡張性を維持しながら、平面グラフ上の完全な不変性を学習できるアーキテクチャが含まれている。
論文参考訳（メタデータ） (2023-07-03T17:45:01Z)
Expectation-Complete Graph Representations with Homomorphisms [5.939858158928473]
私たちは、資源の増加とともに任意に表現される効率的な代替手段に興味を持っています。我々のアプローチは、同型数の無限次元ベクトルによるグラフ同型の特徴付けに基づく。
論文参考訳（メタデータ） (2023-06-09T12:12:07Z)
Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。近年の研究では、グラフ表現学習における事前学習の有用性が示されている。本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
論文参考訳（メタデータ） (2023-02-06T16:26:29Z)
State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
論文参考訳（メタデータ） (2023-01-14T09:15:49Z)
A Topological characterisation of Weisfeiler-Leman equivalence classes [0.0]
グラフニューラルネットワーク(GNN)は、グラフと信号をグラフ上で処理することを目的とした学習モデルである。本稿では、GNNが区別できないグラフのクラスを完全に特徴づけるために、被覆空間の理論に依存する。データセット内の識別不能グラフの数は,ノード数とともに指数関数的に増加することを示す。
論文参考訳（メタデータ） (2022-06-23T17:28:55Z)
Explanation Graph Generation via Pre-trained Language Models: An Empirical Study with Contrastive Learning [84.35102534158621]
エンドツーエンドで説明グラフを生成する事前学習言語モデルについて検討する。本稿では,ノードとエッジの編集操作によるグラフ摂動の簡易かつ効果的な方法を提案する。提案手法は,説明グラフの構造的精度と意味的精度を両立させる。
論文参考訳（メタデータ） (2022-04-11T00:58:27Z)
Generating a Doppelganger Graph: Resembling but Distinct [5.618335078130568]
本論文では,与えられたグラフ特性に類似したドッペルガンガーグラフを生成する手法を提案する。このアプローチは、グラフ表現学習、生成的敵ネットワーク、およびグラフ実現アルゴリズムのオーケストレーションである。
論文参考訳（メタデータ） (2021-01-23T22:08:27Z)
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)
Graph Pooling with Node Proximity for Hierarchical Representation Learning [80.62181998314547]
本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
論文参考訳（メタデータ） (2020-06-19T13:09:44Z)
Unsupervised Graph Embedding via Adaptive Graph Learning [85.28555417981063]
グラフオートエンコーダ(GAE)は、グラフ埋め込みのための表現学習において強力なツールである。本稿では,2つの新しい教師なしグラフ埋め込み法,適応グラフ学習(BAGE)による教師なしグラフ埋め込み,変分適応グラフ学習(VBAGE)による教師なしグラフ埋め込みを提案する。いくつかのデータセットに関する実験的研究により、我々の手法がノードクラスタリング、ノード分類、グラフ可視化タスクにおいて、ベースラインよりも優れていることが実証された。
論文参考訳（メタデータ） (2020-03-10T02:33:14Z)

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。