文献

J-GLOBAL ID：201802216174327917   整理番号：18A1908290

ニューラル学習モデルを用いた大規模実ネットワークにおける頂点中心性測度の計算【JST・京大機械翻訳】

Computing Vertex Centrality Measures in Massive Real Networks with a Neural Learning Model

著者 (2件)： Grando Felipe (Institute of Informatics Federal University of Rio Grande do Sul, Porto Alegre, Brazil) ,  Lamb Luis C. (Institute of Informatics Federal University of Rio Grande do Sul, Porto Alegre, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-8  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 頂点中心性測度は,多くのアプリケーション環境で一般的に使用されている多目的解析ツールであり,グラフとネットワーク構造特性から情報と知識を検索するために使用されている。しかしながら,そのような計量のアルゴリズムは,実時間アプリケーションまたは大量の実世界ネットワークを実行するとき,計算資源の観点から高価である。このように,近似技術を開発し,そのようなシナリオにおける測度を計算するために使用した。本論文では,このようなタスクに取り組むためのニューラルネットワーク学習アルゴリズムの利用を示し,解析し,文献からの他の技術との解の質と計算時間に関するそれらの性能を比較した。本研究はいくつかの貢献を提供する。著者らは,神経学習を通して,中心性を近似することの長所と短所の両方を強調した。経験的方法と統計により,Levenberg-Marquardtアルゴリズムにより訓練されたフィードフォワード神経回路網で生成された回帰モデルは,計算資源を考慮した最良の選択肢であるだけでなく,関連する応用と大規模ネットワークに対する最良の解品質を達成することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 近似法 ,  *ネットワーク ,  神経回路網 ,  *測度 ,  学習アルゴリズム ,  アルゴリズム ,  応用プログラム ,  *学習 ,  品質 ,  回帰モデル ,  ニューラルネットワーク ,  フィードフォワード ,  *学習モデル
準シソーラス用語： Levenberg-Marquardt法 ,  神経 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 学習モデル ,  大規模 ,  頂点 ,  測度 ,  計算