論文の概要: Community Detection with Heterogeneous Block Covariance Model

• arxiv url: http://arxiv.org/abs/2412.03780v1
• Date: Wed, 04 Dec 2024 23:53:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:41:54.243714
• Title: Community Detection with Heterogeneous Block Covariance Model
• Title（参考訳）: 不均一ブロック共分散モデルによるコミュニティ検出
• Authors: Xiang Li, Yunpeng Zhao, Qing Pan, Ning Hao,
• Abstract要約: コミュニティ検出は、相互の関係に基づいてオブジェクトをクラスタリングするタスクである。 モデルベースのコミュニティ検出手法のほとんどは、バイナリ(yes/no)エッジを持つネットワーク用に設計されている。 共分散行列内のコミュニティ構造を定義するヘテロジニアスブロック共分散モデル(HBCM)を導入する。
• 参考スコア（独自算出の注目度）: 4.430448931299139
• License:
• Abstract: Community detection is the task of clustering objects based on their pairwise relationships. Most of the model-based community detection methods, such as the stochastic block model and its variants, are designed for networks with binary (yes/no) edges. In many practical scenarios, edges often possess continuous weights, spanning positive and negative values, which reflect varying levels of connectivity. To address this challenge, we introduce the heterogeneous block covariance model (HBCM) that defines a community structure within the covariance matrix, where edges have signed and continuous weights. Furthermore, it takes into account the heterogeneity of objects when forming connections with other objects within a community. A novel variational expectation-maximization algorithm is proposed to estimate the group membership. The HBCM provides provable consistent estimates of memberships, and its promising performance is observed in numerical simulations with different setups. The model is applied to a single-cell RNA-seq dataset of a mouse embryo and a stock price dataset. Supplementary materials for this article are available online.
• Abstract（参考訳）: コミュニティ検出は、相互の関係に基づいてオブジェクトをクラスタリングするタスクである。 確率ブロックモデルやその変種など、モデルに基づくコミュニティ検出手法の多くは、バイナリ(yes/no)エッジを持つネットワーク用に設計されている。 多くの現実的なシナリオでは、エッジはしばしば、様々な接続レベルを反映する正と負の値にまたがって連続的な重みを持つ。 この課題に対処するために、エッジが符号付きかつ連続的な重みを持つ共分散行列内のコミュニティ構造を定義するヘテロジニアスブロック共分散モデル(HBCM)を導入する。 さらに、コミュニティ内の他のオブジェクトと接続する際のオブジェクトの不均一性を考慮に入れます。 グループメンバーシップを推定するために,新しい変分予測最大化アルゴリズムを提案する。 HBCMは、証明可能な一貫したメンバーシップの推定を提供し、その有望な性能は異なる設定の数値シミュレーションで観察される。 このモデルは、マウス胚の単一細胞RNA-seqデータセットと株価データセットに適用される。 この記事の補助資料はオンラインで入手できる。

関連論文リスト

• VEC-SBM: Optimal Community Detection with Vectorial Edges Covariates [67.51637355249986]
  本稿では,コミュニティ検出のための統計フレームワークであるブロックモデル(SBM)の拡張について検討する。 本稿では,反復的改良手法に基づく新しいアルゴリズムを提案し,潜在コミュニティを最適に回復することを示す。 コミュニティ検出プロセスにおいて,エッジ側情報を活用する付加価値を厳格に評価する。
  論文  参考訳（メタデータ） (2024-02-29T02:19:55Z)
• Fundamental limits of community detection from multi-view data: multi-layer, dynamic and partially labeled block models [7.778975741303385]
  現代のネットワーク分析におけるマルチビューデータのコミュニティ検出について検討する。 我々は,データと潜在パラメータ間の相互情報を特徴付ける。 コミュニティ検出のための近似メッセージパッシングに基づく反復アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T07:13:32Z)
• Estimating Higher-Order Mixed Memberships via the $\ell_{2,\infty}$ Tensor Perturbation Bound [8.521132000449766]
  テンソルブロックモデルの一般化であるテンソル混合メンバーシップブロックモデルを提案する。 我々は,モデルの同定可能性を確立し,計算効率の良い推定手法を提案する。 本手法を実データおよびシミュレーションデータに適用し,個別のコミュニティメンバーシップを持つモデルから特定できない効果を示す。
  論文  参考訳（メタデータ） (2022-12-16T18:32:20Z)
• Bayesian community detection for networks with covariates [16.230648949593153]
  科学界でもっとも注目されているのは「コミュニティ検出」である。 共依存型ランダムパーティションを持つブロックモデルを提案する。 本モデルでは, 後部推測により, コミュニティの数を知ることができる。
  論文  参考訳（メタデータ） (2022-03-04T01:58:35Z)
• Optimal Clustering with Bandit Feedback [57.672609011609886]
  本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。 これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。 合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
  論文  参考訳（メタデータ） (2022-02-09T06:05:05Z)
• CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
  本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。 CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。 我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-26T20:14:30Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
  異種データセットから学習した後続分布を融合する手法を提案する。 我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
  論文  参考訳（メタデータ） (2020-07-13T03:27:45Z)
• Blocked Clusterwise Regression [0.0]
  我々は、各ユニットが複数の潜伏変数を持つことを可能にすることで、離散的非観測的不均一性に対する以前のアプローチを一般化する。 我々は,クラスタの過剰な数のクラスタリングの理論に寄与し,この設定に対する新たな収束率を導出する。
  論文  参考訳（メタデータ） (2020-01-29T23:29:31Z)
• Pairwise Covariates-adjusted Block Model for Community Detection [9.423321226644891]
  コミュニティ検出はネットワーク研究における最も基本的な問題の1つである。 ペアワイズ共調整一般化ブロックモデル(PCABM)を導入する。 適切な空間条件下でPCABMは一定であることを示す。
  論文  参考訳（メタデータ） (2018-07-10T03:37:55Z)

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。