論文の概要: MARIOH: Multiplicity-Aware Hypergraph Reconstruction

• arxiv url: http://arxiv.org/abs/2504.00522v1
• Date: Tue, 01 Apr 2025 08:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:33.202080
• Title: MARIOH: Multiplicity-Aware Hypergraph Reconstruction
• Title（参考訳）: MARIOH: 多重性を考慮したハイパーグラフ再構築
• Authors: Kyuhan Lee, Geon Lee, Kijung Shin,
• Abstract要約: エッジ乗法を利用して,投影されたグラフからオリジナルのハイパーグラフを再構成するための教師付きアプローチであるMARIOHを提案する。 10個の実世界のデータセットを用いた実験で,MARIOHは最先端の手法と比較して最大74.51%高い再現精度を達成した。
• 参考スコア（独自算出の注目度）: 26.07529457537888
• License:
• Abstract: Hypergraphs offer a powerful framework for modeling higher-order interactions that traditional pairwise graphs cannot fully capture. However, practical constraints often lead to their simplification into projected graphs, resulting in substantial information loss and ambiguity in representing higher-order relationships. In this work, we propose MARIOH, a supervised approach for reconstructing the original hypergraph from its projected graph by leveraging edge multiplicity. To overcome the difficulties posed by the large search space, MARIOH integrates several key ideas: (a) identifying provable size-2 hyperedges, which reduces the candidate search space, (b) predicting the likelihood of candidates being hyperedges by utilizing both structural and multiplicity-related features, and (c) not only targeting promising hyperedge candidates but also examining less confident ones to explore alternative possibilities. Together, these ideas enable MARIOH to efficiently and effectively explore the search space. In our experiments using 10 real-world datasets, MARIOH achieves up to 74.51% higher reconstruction accuracy compared to state-of-the-art methods.
• Abstract（参考訳）: ハイパーグラフは、従来のペアワイズグラフが完全にキャプチャできない高階インタラクションをモデリングするための強力なフレームワークを提供する。 しかし、実際的な制約は、しばしば投影されたグラフへの単純化につながるため、高次関係を表現する上で、かなりの情報損失と曖昧さをもたらす。 そこで本研究では,エッジ乗法を利用して投影されたグラフからオリジナルのハイパーグラフを再構築するための教師付きアプローチであるMARIOHを提案する。 大きな検索空間がもたらす困難を克服するため、MARIOHはいくつかの重要なアイデアを統合している。 (a) 証明可能なサイズ2ハイパーエッジを識別し、候補探索空間を縮小する。 b) 構造的特徴と乗法的特徴の両方を利用して、ハイパーエッジ候補の可能性を予測し、 (c) 有望なハイパーエッジ候補を対象とするだけでなく, 代替可能性を検討する上での信頼性の低い候補も検討した。 これらのアイデアにより、MARIOHは探索空間を効率的かつ効果的に探索することができる。 10個の実世界のデータセットを用いた実験で,MARIOHは最先端の手法と比較して最大74.51%高い再現精度を達成した。

関連論文リスト

• rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models [0.0]
  本稿では,電子グラフを用いたシンボル表現の大規模な探索を可能にするツールであるrEGGressionを紹介する。 主な焦点は、調査中に見つかったビルディングブロックの探索であり、専門家が研究された現象についての洞察を見つけるのに役立つ。
  論文  参考訳（メタデータ） (2025-01-29T18:57:44Z)
• SPHINX: Structural Prediction using Hypergraph Inference Network [19.853413818941608]
  本稿では,非教師付き手法で遅延ハイパーグラフ構造を推論するモデルであるハイパーグラフ推論ネットワーク(SPHINX)を用いた構造予測を提案する。 k-サブセットサンプリングの最近の進歩は、離散ハイパーグラフ構造を生成するのに適したツールであることを示す。 結果として得られるモデルは、現代のハイパーグラフニューラルネットワークに必要な高次構造を生成することができる。
  論文  参考訳（メタデータ） (2024-10-04T07:49:57Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• IMKGA-SM: Interpretable Multimodal Knowledge Graph Answer Prediction via Sequence Modeling [3.867363075280544]
  マルチモーダル知識グラフリンク予測は,マルチモーダルデータに対するリンク予測タスクの精度と効率を向上させることを目的としている。 シーケンスモデリングによる解釈可能なマルチモーダル知識グラフアンサー予測(IMKGA-SM)の開発 モデルは、異なるサイズのマルチモーダルリンク予測データセットに基づいて、SOTAベースラインよりもはるかに優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-01-06T10:08:11Z)
• Supervised Hypergraph Reconstruction [3.69853388955692]
  高次相互作用を含む多くの実世界のシステムは、ハイパーグラフによって符号化される。 データセットは、しばしば公開され、投影の形でのみ研究される。 教師付きハイパーグラフ再構成を提案する。 我々のアプローチは、ハードデータセット上での精度の桁違いに全てのベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-11-23T23:15:03Z)
• Learning Multi-Granular Hypergraphs for Video-Based Person Re-Identification [110.52328716130022]
  ビデオベースの人物識別(re-ID)はコンピュータビジョンにおいて重要な研究課題である。 MGH(Multi-Granular Hypergraph)という新しいグラフベースのフレームワークを提案する。 MARSの90.0%のトップ-1精度はMGHを用いて達成され、最先端のスキームよりも優れていた。
  論文  参考訳（メタデータ） (2021-04-30T11:20:02Z)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• Robust Facial Landmark Detection by Multi-order Multi-constraint Deep Networks [35.19368350816032]
  より強力な特徴相関と制約学習のためのマルチオーダーマルチ制約ディープネットワーク(MMDN)を提案する。 Inlicit Multi-order Correlated Geometry-Aware (IMCG) モデルを提案し,多次空間相関と多次チャネル相関を導入する。 説明確率に基づく境界適応回帰(EPBR)法は、グローバルな形状制約を強化するために開発されている。
  論文  参考訳（メタデータ） (2020-12-09T09:11:47Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。