論文の概要: Revisiting FastMap: New Applications

• arxiv url: http://arxiv.org/abs/2503.11908v1
• Date: Fri, 14 Mar 2025 22:29:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:59:12.974459
• Title: Revisiting FastMap: New Applications
• Title（参考訳）: FastMapを再考する: 新しいアプリケーション
• Authors: Ang Li,
• Abstract要約: 最初にFastMapを提示し、ほぼ直線時間でグラフのユークリッド埋め込みを生成する。 次に、FastMapのグラフバージョンを適用して、様々なグラフ理論問題を効率的に解決する。 また,FastMapとSupport Vector Machinesを組み合わせた新しい学習フレームワークFastMapSVMを提案する。
• 参考スコア（独自算出の注目度）: 9.754590060356119
• License:
• Abstract: FastMap was first introduced in the Data Mining community for generating Euclidean embeddings of complex objects. In this dissertation, we first present FastMap to generate Euclidean embeddings of graphs in near-linear time: The pairwise Euclidean distances approximate a desired graph-based distance function on the vertices. We then apply the graph version of FastMap to efficiently solve various graph-theoretic problems of significant interest in AI: including facility location, top-K centrality computations, community detection and block modeling, and graph convex hull computations. We also present a novel learning framework, called FastMapSVM, by combining FastMap and Support Vector Machines. We then apply FastMapSVM to predict the satisfiability of Constraint Satisfaction Problems and to classify seismograms in Earthquake Science.
• Abstract（参考訳）: FastMapは、複雑なオブジェクトのユークリッド埋め込みを生成するために、Data Miningコミュニティで初めて導入された。 この論文では、まずFastMapを提示して、ほぼ直線時間でグラフのユークリッド埋め込みを生成する: ペアワイズユークリッド距離は、頂点上の所望のグラフベースの距離関数を近似する。 次に、FastMapのグラフバージョンを適用して、施設位置、トップK中心性計算、コミュニティ検出とブロックモデリング、グラフ凸船体計算など、AIに重要な関心を持つグラフ理論上の様々な問題を効率的に解決する。 また,FastMapとSupport Vector Machinesを組み合わせた新しい学習フレームワークFastMapSVMを提案する。 次に,FastMapSVMを用いて,制約満足度問題の満足度を予測し,地震科学における地震図の分類を行う。

関連論文リスト

• Compact Neural Graphics Primitives with Learned Hash Probing [100.07267906666293]
  学習したプローブを持つハッシュテーブルにはデメリットはなく,その結果,サイズと速度の組合せが好適であることを示す。 推論は、トレーニングが1.2-2.6倍遅い間、同じ品質で未処理のハッシュテーブルよりも高速である。
  論文  参考訳（メタデータ） (2023-12-28T18:58:45Z)
• 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)
• InstaGraM: Instance-level Graph Modeling for Vectorized HD Map Learning [8.556482588459899]
  オンラインハイデフィニション(HD)マップ構築は、ポーズの正確な推定において重要な役割を果たす。 オンラインHDマップ構築の最近の進歩は、ベクトル化表現について主に研究されている。 グラフモデリングを利用した新しいHDマップ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-10T08:15:35Z)
• Primitive Graph Learning for Unified Vector Mapping [14.20286798139897]
  GraphMapperは、衛星画像からエンドツーエンドのベクトルマップを抽出するための統合フレームワークである。 ベクトル形状予測,正規化,トポロジー再構成を独自の原始グラフ学習問題に変換する。 提案手法は,両タスクをベンチマークで8～10%向上させる。
  論文  参考訳（メタデータ） (2022-06-28T12:33:18Z)
• FastMapSVM: Classifying Complex Objects Using the FastMap Algorithm and Support-Vector Machines [12.728875331529345]
  我々は、複雑なオブジェクトを分類する新しいフレームワークであるFastMapSVMを紹介する。 FastMapSVMは、FastMapとSupport-Map Machinesの強みを組み合わせたものだ。 FastMapSVMのパフォーマンスは他の最先端のメソッドと同等であることを示す。
  論文  参考訳（メタデータ） (2022-04-07T18:01:16Z)
• Guided Interactive Video Object Segmentation Using Reliability-Based Attention Maps [55.94785248905853]
  本論文では,映像オブジェクトの対話的セグメンテーション(GIS)アルゴリズムを提案し,セグメンテーション精度の向上と対話時間の短縮を図る。 我々は,隣接フレームにセグメンテーション結果を伝達する,交差点対応伝搬モジュールを開発した。 実験により,提案アルゴリズムは従来のアルゴリズムよりも高速に精度の高いセグメンテーション結果を提供することを示した。
  論文  参考訳（メタデータ） (2021-04-21T07:08:57Z)
• 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)
• Embedding Directed Graphs in Potential Fields Using FastMap-D [24.525270899573734]
  有向グラフに対するFastMapの効率的な一般化であるFastMap-Dを提案する。 FastMap-D は、有界場を用いて頂点を埋め込み、有向グラフの対距離の間の非対称性を捉える。 様々な種類の有向グラフの実験において、他のアプローチに対するFastMap-Dの利点を実証する。
  論文  参考訳（メタデータ） (2020-06-04T19:50:04Z)
• MPLP++: Fast, Parallel Dual Block-Coordinate Ascent for Dense Graphical Models [96.1052289276254]
  この研究は、人気のあるDual Block-Coordinate Ascent原則に基づく新しいMAP-solverを導入している。 驚いたことに、性能の低い解法に小さな変更を加えることで、既存の解法を大きなマージンで大幅に上回る新しい解法MPLP++を導出します。
  論文  参考訳（メタデータ） (2020-04-16T16:20:53Z)
• Voxel Map for Visual SLAM [57.07800982410967]
  視覚SLAMのための点を効率的にマッピングするボクセルマップ表現を提案する。 本手法は,カメラの視野に落下することを幾何的に保証し,隠蔽点を特定・除去できる。 実験結果から,我々のボクセルマップ表現は5sの地図と同等に効率的であり,EuRoCデータセット上での局所化精度(平均46%の改善)が有意に高いことがわかった。
  論文  参考訳（メタデータ） (2020-03-04T18:39:14Z)

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。

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。