文献

J-GLOBAL ID：202102224886605441   整理番号：21A0568946

部分接続性情報を持つストリーミング定常グラフ信号からのオンライントポロジー推論【JST・京大機械翻訳】

Online Topology Inference from Streaming Stationary Graph Signals with Partial Connectivity Information

著者 (3件)： Shafipour Rasoul (Microsoft, Redmond, WA 98052, USA) ,  Shafipour Rasoul (Department of Electrical and Computer Engineering, University of Rochester, Rochester, NY 14627, USA) ,  Mateos Gonzalo (Department of Electrical and Computer Engineering, University of Rochester, Rochester, NY 14627, USA)
資料名： Algorithms (Web)  (Algorithms (Web))
巻： 13  号： 9  ページ： 228  発行年： 2020年 
JST資料番号： U7130A  ISSN： 1999-4893  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ストリーミングネットワークデータからオンライングラフ学習アルゴリズムを開発した。著者らの目標は,(おそらく)時変ネットワークトポロジーを追跡して,それらが取得されるように,データを処理することによって記憶と計算節約に影響を及ぼすことである。セットアップは,未知のネットワーク上の局所拡散動力学によって生成された静止グラフ信号としてモデル化された観察を必要とする。さらに,リンク予測問題において,いくつかのエッジの存在または不在に関する先験的情報を持つかもしれない。定常性仮定は,観測共分散行列といわゆるグラフシフト演算子(GSOa行列がグラフトポロジーを符号化する)が,穏やかな要求の下で通勤することを意味する。この動機は,トポロジー推論タスクを逆問題として定式化し,それにより構造的に許容され,観測経験的共分散行列とほぼ通勤するスパースGSOに対する一つの探索を行う。ストリーミングデータのために,前述の共分散を再帰的に更新することができ,オンライン近位勾配反復を,量子化可能な保証を有する逆問題の時変解を効率的に追跡するために,もたらすことができた。特に,GSO回復コストが強く凸であり,この特性を用いて,オンラインアルゴリズムが最適時変バッチ解の近傍に収束することを証明した。数値テストは,探索された動的ネットワークにおけるストリーミング情報と追跡変化への適応における提案グラフ学習手法の有効性を説明した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *位相幾何学 ,  量子化 ,  学習 ,  ネットワーク ,  信号処理 ,  共分散 ,  逆問題 ,  定式化 ,  学習アルゴリズム ,  *ストリーミング
準シソーラス用語： 共分散行列 ,  ネットワークトポロジー ,  オンラインアルゴリズム ,  動的ネットワーク ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： ネットワークトポロジー推論 ,  グラフ信号処理 ,  近位勾配アルゴリズム ,  オンライン最適化 ,  ストリーミングデータ

分類 (3件)： 計算機網  (JC03000K) ,  通信網  (ND07030A) ,  信号理論  (ND02020G)

引用文献 (51件)：

• Kolaczyk, E.D. Statistical Analysis of Network Data: Methods and Models; Springer: New York, NY, USA, 2009.
• Slavakis, K.; Giannakis, G.B.; Mateos, G. Modeling and optimization for big data analytics: (Statistical) learning tools for our era of data deluge. IEEE Signal Process. Mag. 2014, 31, 18-31.
• Ortega, A.; Frossard, P.; Kovačević, J.; Moura, J.M.F.; Vandergheynst, P. Graph signal processing: Overview, challenges and applications. Proc. IEEE 2018, 106, 808-828.
• Mateos, G.; Segarra, S.; Marques, A.G.; Ribeiro, A. Connecting the dots: Identifying network structure via graph signal processing. IEEE Signal Process. Mag. 2019, 36, 16-43.
• Dong, X.; Thanou, D.; Rabbat, M.; Frossard, P. Learning graphs from data: A signal representation perspective. IEEE Signal Process. Mag. 2019, 36, 44-63.

タイトルに関連する用語 (6件)： 接続性 ,  ストリーミング ,  グラフ ,  オンライン ,  トポロジー ,  推論