抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
一次(すなわち,非Markov)依存性を超える傾向のある軌道データに対して,高次ネットワークは,標準的な集合ネットワーク表現で失われた詳細を正確に捕捉することが示されている。同時に,表現学習は広い範囲のネットワークタスクで成功を示しており,これらのタスクに対する手技の特徴の必要性を取り除いている。本研究では,ノード埋め込みに関する研究を有する高次ネットワーク上での作業を組み合わせることにより,非Markov依存性を捕捉するEVOまたは埋め込み可変オーダと呼ばれるノード表現学習フレームワークを提案した。EVOは,高次依存性が問題となるタスクにおいて,ベースラインより優れていることを示し,ノード埋込みにおける高次依存性を考慮する利点を実証した。また,これらの依存性を捉えるのに役立つか否かについての洞察を提供した。著者らの知る限りでは,これは高次ネットワークのための表現学習に関する最初の研究である。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】