論文の概要: Efficient Network Embedding by Approximate Equitable Partitions

• arxiv url: http://arxiv.org/abs/2409.10160v1
• Date: Mon, 16 Sep 2024 10:51:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-17 16:00:03.457869
• Title: Efficient Network Embedding by Approximate Equitable Partitions
• Title（参考訳）: 近似等価分割による効率的なネットワーク埋め込み
• Authors: Giuseppe Squillace, Mirco Tribastone, Max Tschaikowski, Andrea Vandin,
• Abstract要約: 等価パーティションの近似変分に基づく簡便で効率的な埋め込み手法を提案する。 マルコフ連鎖の等間隔分割と同値関係と常微分方程式の関係を利用して分割精算アルゴリズムを開発する。 ビジュアライゼーション、分類、レグレッションのタスクにおいて、1～3桁のコストで同等のパフォーマンスを報告します。
• 参考スコア（独自算出の注目度）: 0.15978270011184256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Structural network embedding is a crucial step in enabling effective downstream tasks for complex systems that aims to project a network into a lower-dimensional space while preserving similarities among nodes. We introduce a simple and efficient embedding technique based on approximate variants of equitable partitions. The approximation consists in introducing a user-tunable tolerance parameter relaxing the otherwise strict condition for exact equitable partitions that can be hardly found in real-world networks. We exploit a relationship between equitable partitions and equivalence relations for Markov chains and ordinary differential equations to develop a partition refinement algorithm for computing an approximate equitable partition in polynomial time. We compare our method against state-of-the-art embedding techniques on benchmark networks. We report comparable -- when not superior -- performance for visualization, classification, and regression tasks at a cost between one and three orders of magnitude smaller using a prototype implementation, enabling the embedding of large-scale networks which could not be efficiently handled by most of the competing techniques.
• Abstract（参考訳）: 構造的ネットワーク埋め込みは、ノード間の類似性を保ちながら、ネットワークを低次元空間に投影することを目的とした複雑なシステムにおいて、効果的な下流タスクを実現するための重要なステップである。 等価パーティションの近似変分に基づく簡便で効率的な埋め込み手法を提案する。 この近似は、現実世界のネットワークでは見つからない正確な公平なパーティションに対して、厳密な条件を緩和するユーザチューニング可能なトレランスパラメータを導入することである。 我々はマルコフ連鎖の平衡分割と同値関係と常微分方程式の関係を利用して多項式時間で近似同値分割を計算する分割精算アルゴリズムを開発した。 提案手法をベンチマークネットワーク上での最先端の埋め込み技術と比較する。 プロトタイプ実装を用いて1～3桁のコストで, 可視化, 分類, 回帰タスクのパフォーマンスに匹敵する性能を報告し, 競合するほとんどの技術では効率的に処理できない大規模ネットワークの埋め込みを可能にする。

関連論文リスト

• Detecting and Approximating Redundant Computational Blocks in Neural Networks [25.436785396394804]
  ネットワーク内の類似性は、より効率的なニューラルネットワークを設計する新たな機会を提供する。 本稿では,冗長ブロックを検出するための単純な測度であるBlock Redundancyを導入し,冗長ブロックを近似するためにRBA(Redundant Blocks Approximation)を提案する。 RBAは、優れたパフォーマンスを維持しながら、モデルパラメータと時間の複雑さを減らす。
  論文  参考訳（メタデータ） (2024-10-07T11:35:24Z)
• Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
  本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。 まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。 本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
  論文  参考訳（メタデータ） (2024-03-17T07:02:55Z)
• Generalized Correspondence Matching via Flexible Hierarchical Refinement and Patch Descriptor Distillation [13.802788788420175]
  対応マッチングは多くのロボティクス応用において重要な役割を担っている。 本稿では,SoTA (State-of-the-art) のプラグ・アンド・プレイ対応手法であるDFM (Deep Feature Match) の限界に対処する。 提案手法は,それぞれ1,3,5画素に対する平均マッチング精度0.68,0.92,0.95の総合的な性能を実現する。
  論文  参考訳（メタデータ） (2024-03-08T15:32:18Z)
• Label-efficient Segmentation via Affinity Propagation [27.016747627689288]
  ラベル効率のよいスパースアノテーションを用いた弱教師付きセグメンテーションは、手間のかかるピクセルワイドラベリングプロセスのコストを削減するために研究の注目を集めている。 親和性モデリングを親和性伝播過程として定式化し、局所的および大域的親和性項を提案して、正確な擬似ラベルを生成する。 計算コストを大幅に削減する効率的なアルゴリズムも開発されている。
  論文  参考訳（メタデータ） (2023-10-16T15:54:09Z)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Manifold Regularized Dynamic Network Pruning [102.24146031250034]
  本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。 提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-10T03:59:03Z)
• Fitting the Search Space of Weight-sharing NAS with Graph Convolutional Networks [100.14670789581811]
  サンプルサブネットワークの性能に適合するグラフ畳み込みネットワークを訓練する。 この戦略により、選択された候補集合において、より高いランク相関係数が得られる。
  論文  参考訳（メタデータ） (2020-04-17T19:12:39Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。