論文の概要: Multiplex Dirichlet stochastic block model for clustering multidimensional compositional networks

• arxiv url: http://arxiv.org/abs/2412.11971v1
• Date: Mon, 16 Dec 2024 16:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:55:37.492290
• Title: Multiplex Dirichlet stochastic block model for clustering multidimensional compositional networks
• Title（参考訳）: 多次元合成ネットワークのクラスタリングのための多重ディリクレ確率ブロックモデル
• Authors: Iuliia Promskaia, Adrian O'Hagan, Michael Fop,
• Abstract要約: ネットワークデータは複数の種類の関係を表すことが多く、交換量を表すこともある。 従来のクラスタリング手法は多重ネットワークには適していない。 合成層を有する多重化ネットワーク用に設計された多重化ディリクレブロックモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Network data often represent multiple types of relations, which can also denote exchanged quantities, and are typically encompassed in a weighted multiplex. Such data frequently exhibit clustering structures, however, traditional clustering methods are not well-suited for multiplex networks. Additionally, standard methods treat edge weights in their raw form, potentially biasing clustering towards a node's total weight capacity rather than reflecting cluster-related interaction patterns. To address this, we propose transforming edge weights into a compositional format, enabling the analysis of connection strengths in relative terms and removing the impact of nodes' total weights. We introduce a multiplex Dirichlet stochastic block model designed for multiplex networks with compositional layers. This model accounts for sparse compositional networks and enables joint clustering across different types of interactions. We validate the model through a simulation study and apply it to the international export data from the Food and Agriculture Organization of the United Nations.
• Abstract（参考訳）: ネットワークデータはしばしば複数の種類の関係を表すが、これは交換量も表すことができ、通常は重み付き多重度に包含される。 このようなデータはしばしばクラスタリング構造を示すが、従来のクラスタリング手法は多重ネットワークには適していない。 さらに、標準的な方法ではエッジウェイトを生の形式で扱い、クラスタ関連の相互作用パターンを反映するのではなく、クラスタリングをノードの全ウェイトキャパシティに偏らせる可能性がある。 そこで本研究では,エッジウェイトを合成形式に変換し,接続強度を相対的に解析し,ノード全体の重みの影響を除去する手法を提案する。 合成層を有する多重化ネットワーク用に設計された多重化ディリクレ確率ブロックモデルを提案する。 このモデルはスパース構成ネットワークを考慮し、異なるタイプの相互作用をまたいだ共同クラスタリングを可能にする。 シミュレーション研究を通じてモデルを検証し,国連食糧農業機関の国際輸出データに適用する。

関連論文リスト

• A Dirichlet stochastic block model for composition-weighted networks [0.0]
  合成重みベクトルの直接モデリングに基づく合成重み付きネットワークのブロックモデルを提案する。 推論は分類期待-最大化アルゴリズムの拡張によって実装される。 このモデルはシミュレーション研究を用いて検証され,Erasmus交換プログラムのネットワークデータと,ロンドン市における自転車共有ネットワークで実証された。
  論文  参考訳（メタデータ） (2024-08-01T15:41:07Z)
• ComboStoc: Combinatorial Stochasticity for Diffusion Generative Models [65.82630283336051]
  拡散生成モデルの既存のトレーニングスキームにより,次元と属性の組み合わせによって区切られた空間が十分に標本化されていないことを示す。 構造を完全に活用するプロセスを構築し,ComboStocという名前でこの問題に対処する。
  論文  参考訳（メタデータ） (2024-05-22T15:23:10Z)
• Mixture of multilayer stochastic block models for multiview clustering [0.0]
  本稿では,異なる情報源から得られた複数のクラスタリングを集約する独自の手法を提案する。 モデルパラメータの同定可能性を確立し,これらのパラメータを推定するために変分ベイズEMアルゴリズムを提案する。 この手法は、グローバルな食品取引網の分析に利用され、興味のある構造に繋がる。
  論文  参考訳（メタデータ） (2024-01-09T17:15:47Z)
• On Optimizing the Communication of Model Parallelism [74.15423270435949]
  大規模モデル並列ディープラーニング(DL)における新しい重要なコミュニケーションパターンについて検討する。 クロスメッシュリシャーディングでは、シャードテンソルをソースデバイスメッシュから宛先デバイスメッシュに送信する必要がある。 本稿では、効率的な放送ベースの通信システムと「重複しやすい」パイプラインスケジュールという、クロスメシュ・リシャーディングに対処するための2つのコントリビューションを提案する。
  論文  参考訳（メタデータ） (2022-11-10T03:56:48Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• DeepCluE: Enhanced Image Clustering via Multi-layer Ensembles in Deep Neural Networks [53.88811980967342]
  本稿では,Ensembles (DeepCluE) を用いたDeep Clusteringを提案する。 ディープニューラルネットワークにおける複数のレイヤのパワーを活用することで、ディープクラスタリングとアンサンブルクラスタリングのギャップを埋める。 6つの画像データセットの実験結果から、最先端のディープクラスタリングアプローチに対するDeepCluEの利点が確認されている。
  論文  参考訳（メタデータ） (2022-06-01T09:51:38Z)
• Personalized Federated Learning via Convex Clustering [72.15857783681658]
  本稿では,局所凸型ユーザコストを用いた個人化フェデレーション学習のためのアルゴリズム群を提案する。 提案するフレームワークは,異なるユーザのモデルの違いをペナル化する凸クラスタリングの一般化に基づいている。
  論文  参考訳（メタデータ） (2022-02-01T19:25:31Z)
• Network Clustering for Latent State and Changepoint Detection [0.0]
  本稿では,ネットワーククラスタリングのタスクに対する凸アプローチを提案する。 コンベックスネットワーククラスタリングのための効率的なアルゴリズムを提案し,その有効性を合成例で示す。
  論文  参考訳（メタデータ） (2021-11-01T21:51:45Z)
• Block Dense Weighted Networks with Augmented Degree Correction [1.2031796234206138]
  本稿では,接続パターンの異なる重み付きネットワークの生成と推定を行う新しいフレームワークを提案する。 提案したモデルは,個々のノード特性をノードを接続するエッジにマッピングする関数の特定のクラスに依存している。 また,複数のデータセットを収集できない状況において,同一の頂点上で新たなネットワークを生成するブートストラップ手法を開発した。
  論文  参考訳（メタデータ） (2021-05-26T01:25:07Z)
• Latent space models for multiplex networks with shared structure [3.602377086789099]
  共有ノード上で観測される多重ネットワークのための新しい潜在空間モデルを提案する。 我々のモデルは、どれだけのネットワーク構造が層間で共有されているかのデータから学び、層間で情報をプールする。 シミュレーションネットワークやマルチプレックスネットワークにおいて,農作物の世界的な取引を記述したモデルと競合する手法を比較した。
  論文  参考訳（メタデータ） (2020-12-28T18:42:19Z)
• A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network Representation Learning [52.83948119677194]
  大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。 具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。 提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
  論文  参考訳（メタデータ） (2020-07-19T22:50:20Z)

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。