文献

J-GLOBAL ID：202002216913684083   整理番号：20A0814513

コミュニティ検出のための変分グラフオートエンコーダの最適化【JST・京大機械翻訳】

Optimizing Variational Graph Autoencoder for Community Detection

著者 (3件)： Choong Jun Jin (Tokyo Institute of Technology,Department of Computer Science,Tokyo,Japan) ,  Liu Xin (National Institute of Advanced,Industrial Science and Technology,Tokyo,Japan) ,  Murata Tsuyoshi (Tokyo Institute of Technology,Department of Computer Science,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： Big Data  ページ： 5353-5358  発行年： 2019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： 変分グラフ自動符号器(VGAE)は,グラフ上の学習表現に対する選択の一般的な枠組みである。その開始により,リンク予測,評価予測およびノードクラスタリングのような挑戦的タスクに対して,最新の性能を達成するモデルが可能になった。しかし,基本的な欠陥は,変分自動エンコーダ(VAE)に基づくアプローチに存在する。特に,VAE(再構成損失)の目的関数は,その一次目的(i.eクラスタ化)から逸脱する。本論文において,著者らは,コミュニティ検出(VGAECD)のために分散グラフ自動符号器に2つの有意な変化を導入することによって,この問題に取り組むことを試みた。最初に,収束速度を増加させ,計算時間を短縮するために,単純化グラフ畳込み符号器を導入した。第二に,一次目的の学習を奨励するために二重変分目的を導入した。結果は,競争的コミュニティ検出性能を有するより速い収束モデルである。Copyright 2020 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： クラスタ化 ,  *最適化 ,  *変分法 ,  コミュニティ ,  簡素化 ,  目的関数 ,  学習 ,  符号器 ,  畳込み符号 ,  再構成
準シソーラス用語： 収束速度 ,  *コミュニティ検出 , 【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)： コミュニティ検出 ,  変分 ,  グラフ ,  オートエンコーダ ,  最適化