Fugu-MT 論文翻訳(概要): InfoGain Wavelets: Furthering the Design of Diffusion Wavelets for Graph-Structured Data

論文の概要: InfoGain Wavelets: Furthering the Design of Diffusion Wavelets for Graph-Structured Data

arxiv url: http://arxiv.org/abs/2504.08802v1
Date: Tue, 08 Apr 2025 23:13:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-15 16:55:06.843856
Title: InfoGain Wavelets: Furthering the Design of Diffusion Wavelets for Graph-Structured Data
Title（参考訳）: InfoGain Wavelet:グラフ構造化データのための拡散ウェーブレットの設計をさらに進める
Authors: David R. Johnson, Smita Krishnaswamy, Michael Perlmutter,
Abstract要約: 拡散ウェーブレットは、異なる解像度のグラフ信号から情報を抽出する。本稿では,情報理論からアイデアに基づいて拡散尺度を選択する新しい教師なし手法を提案する。本稿では,この手法をウェーブレットベースのGNNにグラフ分類実験を通じて組み込むことができることを示す。
参考スコア（独自算出の注目度）: 7.721117797966986
License:
Abstract: Diffusion wavelets extract information from graph signals at different scales of resolution by utilizing graph diffusion operators raised to various powers, known as diffusion scales. Traditionally, the diffusion scales are chosen to be dyadic integers, $\mathbf{2^j}$. Here, we propose a novel, unsupervised method for selecting the diffusion scales based on ideas from information theory. We then show that our method can be incorporated into wavelet-based GNNs via graph classification experiments.
Abstract（参考訳）: 拡散ウェーブレットは、拡散スケールと呼ばれる様々なパワーに上昇したグラフ拡散演算子を利用して、異なる解像度スケールのグラフ信号から情報を抽出する。伝統的に拡散スケールは、dyadic integers, $\mathbf{2^j}$ に選択される。本稿では,情報理論からアイデアに基づいて拡散尺度を選択する新しい教師なし手法を提案する。そこで我々は,この手法をウェーブレットベースのGNNにグラフ分類実験を通じて組み込むことができることを示す。

関連論文リスト

Diffusion-based Graph Generative Methods [51.04666253001781]
拡散に基づくグラフ生成法について,系統的,包括的に検討した。まず,拡散モデル,スコアベース生成モデル,微分方程式の3つの主流パラダイムについて概説する。最後に,現在の研究の限界と今後の探査の方向性を指摘する。
論文参考訳（メタデータ） (2024-01-28T10:09:05Z)
Diffusion Maps for Signal Filtering in Graph Learning [0.0]
本稿では,合成温度センサデータと実世界の温度センサデータを用いた実例を通して,本手法の有効性を示す。その結果、複雑で非ユークリッド的なデータ構造の分析と理解に新たなアプローチが得られた。
論文参考訳（メタデータ） (2023-12-22T15:17:44Z)
Guided Diffusion from Self-Supervised Diffusion Features [49.78673164423208]
ガイダンスは拡散モデルにおいて重要な概念として機能するが、その効果は追加のデータアノテーションや事前学習の必要性によって制限されることが多い。本稿では,拡散モデルからガイダンスを抽出するフレームワークを提案する。
論文参考訳（メタデータ） (2023-12-14T11:19:11Z)
Advective Diffusion Transformers for Topological Generalization in Graph Learning [69.2894350228753]
グラフ拡散方程式は、様々なグラフトポロジーの存在下で、どのように外挿して一般化するかを示す。本稿では,新たなグラフエンコーダのバックボーンであるAdvective Diffusion Transformer (ADiT)を提案する。
論文参考訳（メタデータ） (2023-10-10T08:40:47Z)
Diffusion map particle systems for generative modeling [0.0]
拡散写像とラプラシアン調整ワッサーシュタイン勾配勾配(LAWGD)に基づく新しい拡散写像粒子システム(DMPS)を提案する。拡散写像は、サンプルから対応するランゲヴィン拡散過程の生成元を近似し、基礎となるデータ生成多様体を学習するために用いられる。LAWGDは、核の適切な選択を条件として、対象分布からの効率的なサンプリングを可能にする。本手法では、オフライントレーニングや最小限のチューニングは必要とせず、適度な次元のデータセットにおいて、他の手法よりも優れている。
論文参考訳（メタデータ） (2023-04-01T02:07:08Z)
HD-GCN:A Hybrid Diffusion Graph Convolutional Network [13.906335023159002]
我々はHybrid Diffusion-based Graph Convolutional Network (HD-GCN)と呼ばれるグラフ畳み込みネットワークのための新しいフレームワークを導入する。 HD-GCNは、特徴空間の近傍ノードと隣接行列の隣接ノード間の情報拡散を組み合わせることでハイブリッド拡散を利用する。我々は、よく知られた3つの引用ネットワークデータセットにおけるHD-GCNの性能を評価する。
論文参考訳（メタデータ） (2023-03-31T11:12:25Z)
DiGress: Discrete Denoising diffusion for graph generation [79.13904438217592]
DiGressは、分類ノードとエッジ属性を持つグラフを生成するための離散化拡散モデルである。分子と非分子のデータセットで最先端のパフォーマンスを実現し、最大3倍の妥当性が向上する。また、1.3Mの薬物様分子を含む大規模なGuacaMolデータセットにスケールする最初のモデルでもある。
論文参考訳（メタデータ） (2022-09-29T12:55:03Z)
Diffusion-GAN: Training GANs with Diffusion [135.24433011977874]
GAN(Generative Adversarial Network)は、安定してトレーニングすることが難しい。フォワード拡散チェーンを利用してインスタンスノイズを生成する新しいGANフレームワークであるDiffusion-GANを提案する。我々は,Diffusion-GANにより,最先端のGANよりも高い安定性とデータ効率で,よりリアルな画像を生成することができることを示す。
論文参考訳（メタデータ） (2022-06-05T20:45:01Z)
Capturing Graphs with Hypo-Elliptic Diffusions [7.704064306361941]
ランダムウォークの分布はグラフラプラシアンを用いて定義された拡散方程式に従って進化することを示す。この結果、テンソル値のグラフ作用素が新しくなり、これは下楕円グラフラプラシアン (Laplacian) と呼ばれる。本手法は,長距離推論を必要とするデータセット上のグラフ変換器と競合するが,エッジ数では線形にしかスケールしないことを示す。
論文参考訳（メタデータ） (2022-05-27T16:47:34Z)
From Spectrum Wavelet to Vertex Propagation: Graph Convolutional Networks Based on Taylor Approximation [85.47548256308515]
グラフ畳み込みネットワーク(GCN)は、最近、ラベル付きデータと高次元特徴を持つデータセットの基盤構造を抽出するために利用されている。既存のGCNは、主にグラフウェーブレット-カーネルの1次チェビシェフ近似に依存している。
論文参考訳（メタデータ） (2020-07-01T20:07:13Z)

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。