論文の概要: Bonsai: A class of effective methods for independent sampling of graph partitions
- arxiv url: http://arxiv.org/abs/2603.18347v1
- Date: Wed, 18 Mar 2026 23:13:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:05.878162
- Title: Bonsai: A class of effective methods for independent sampling of graph partitions
- Title(参考訳): 盆斎(ぼんさい):グラフ分割の独立サンプリングのための効果的な方法の一類
- Authors: Jeanne Clelland, Kristopher Tapp,
- Abstract要約: 本研究では,グラフ分割空間上の有理確率分布から独立サンプリングを行うことで,地域計画のアンサンブルを構築する効果的な手法を開発した。
我々は、グリッドグラフと州議会および立法府の地図の文脈における標準的なマルコフ連鎖に基づくアルゴリズムと比較する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We develop effective methods for constructing an ensemble of district plans via independent sampling from a reasonable probability distribution on the space of graph partitions. We compare the performance of our algorithms to that of standard Markov Chain based algorithms in the context of grid graphs and state congressional and legislative maps. For the case of perfect population balance between districts, we provide an explicit description of the distribution from which our method samples.
- Abstract(参考訳): 本研究では,グラフ分割空間上の有理確率分布から独立サンプリングを行うことで,地域計画のアンサンブルを構築する効果的な手法を開発した。
我々は、グリッドグラフと州議会および立法府の地図の文脈における標準的なマルコフ連鎖に基づくアルゴリズムと比較して、アルゴリズムの性能を比較した。
地域間での完全な人口収支の場合,本手法が示す分布を明示的に記述する。
関連論文リスト
- Balanced Spanning Tree Distributions Have Separation Fairness [9.543463140987361]
分離フェアネスの概念を導入し、サンプル再限定計画において、隣接する地理的単位が少なくとも一定の確率で(一から離れた)分離されるかどうかを問う。
バランスの取れた木の分布のスムーズな変種が分離公正性を満たすことを証明した。
また,ReComのようなMCMC手法の理論的サポートも提供し,サンプリングプロセスの粒度レベルで公平性を維持することが示唆された。
論文 参考訳(メタデータ) (2025-09-18T16:48:43Z) - Learning local neighborhoods of non-Gaussian graphical models: A measure transport approach [0.3749861135832072]
局所マルコフ特性を利用して各変数の条件付き独立関係を推定するスケーラブルなアルゴリズムを提案する。
提案手法は,非ガウス分布 (L-Sing) の局所空間同定 (Localized Sparsity Identification) と名付けられ,フレキシブルなトランスポートマップのクラスを用いてグラフを推定する。
論文 参考訳(メタデータ) (2025-03-18T04:53:22Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - Spanning tree methods for sampling graph partitions [0.7658085223797904]
分割プランはグラフの連結部分集合へのバランスの取れた分割と見なすことができる。
RevReComは、ReComが元々近似するために設計された単純で自然な分布に収束する。
論文 参考訳(メタデータ) (2022-10-04T06:18:33Z) - Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。
変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文 参考訳(メタデータ) (2022-04-20T21:25:21Z) - Bayesian Graph Contrastive Learning [55.36652660268726]
本稿では,ランダムな拡張がエンコーダにつながることを示すグラフコントラスト学習手法の新たな視点を提案する。
提案手法は,各ノードを決定論的ベクトルに埋め込む既存の手法とは対照的に,各ノードを潜在空間の分布で表現する。
いくつかのベンチマークデータセットにおける既存の最先端手法と比較して,性能が大幅に向上したことを示す。
論文 参考訳(メタデータ) (2021-12-15T01:45:32Z) - Compact Redistricting Plans Have Many Spanning Trees [39.779544988993294]
政治的再分権マップの設計と分析において、国勢調査ブロックのグラフのすべての分割の空間から同じ人口の連結部分グラフにサンプリングできることがしばしば有用である。
本稿では,境界分割領域の総長さと,そのような写像がサンプリングされる確率との間には,逆指数関係が成立する。
論文 参考訳(メタデータ) (2021-09-27T23:36:01Z) - A Distributional Analysis of Sampling-Based Reinforcement Learning
Algorithms [67.67377846416106]
定常ステップサイズに対する強化学習アルゴリズムの理論解析に対する分布的アプローチを提案する。
本稿では,TD($lambda$)や$Q$-Learningのような値ベースの手法が,関数の分布空間で制約のある更新ルールを持つことを示す。
論文 参考訳(メタデータ) (2020-03-27T05:13:29Z) - Stein Variational Inference for Discrete Distributions [70.19352762933259]
離散分布を等価なピースワイズ連続分布に変換する単純な一般フレームワークを提案する。
提案手法は,ギブスサンプリングや不連続ハミルトニアンモンテカルロといった従来のアルゴリズムよりも優れている。
我々は,この手法がバイナライズニューラルネットワーク(BNN)のアンサンブルを学習するための有望なツールであることを実証した。
さらに、そのような変換は、勾配のないカーネル化されたStein差分に簡単に適用でき、離散分布の良性(GoF)テストを実行することができる。
論文 参考訳(メタデータ) (2020-03-01T22:45:41Z) - Distributed Sketching Methods for Privacy Preserving Regression [54.51566432934556]
ランダム化されたスケッチを利用して、問題の次元を減らし、プライバシを保ち、非同期分散システムにおけるストラグラーレジリエンスを改善します。
従来のスケッチ手法に対する新しい近似保証を導出し、分散スケッチにおけるパラメータ平均化の精度を解析する。
大規模実験によるサーバレスコンピューティングプラットフォームにおける分散スケッチのパフォーマンスについて説明する。
論文 参考訳(メタデータ) (2020-02-16T08:35:48Z)
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。