文献

J-GLOBAL ID：202202277773597820   整理番号：22A0971408

グラフ粗大化:科学計算から機械学習まで【JST・京大機械翻訳】

Graph coarsening: from scientific computing to machine learning

著者 (3件)： Chen Jie (MIT-IBM Watson AI Lab, IBM Research, Cambridge, USA) ,  Saad Yousef (University of Minnesota, Minneapolis, USA) ,  Zhang Zechen (University of Minnesota, Minneapolis, USA)
資料名： SeMA Journal  (SeMA Journal)
巻： 79  号： 1  ページ： 187-223  発行年： 2022年 
JST資料番号： W4935A  ISSN： 2254-3902  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： グラフ粗大化またはグラフ低減の一般的方法は,科学的計算において,著しく有用でユビキタスなツールであり,今や,機械学習において同様の影響を有することを始めている。この論文の目的は,科学的計算でうまく展開され,類似の原理が機械学習に関連したより最近のアプリケーションでどのようにそれらの方法を見つけるかを見る,粗大化技術への幅広い視点を取ることである。科学的計算において,粗大化は,マルチレベル不完全LU因数分解の関連クラスと同様に,代数的マルチグリッド方式において中心的役割を果たす。機械学習では,グラフの粗大化は,例えばグラフダウンサンプリングやグラフ低減といった様々な名前の下で行われる。ほとんどの場合,その目標は,より少ないノードを持つものによっていくつかのオリジナルグラフを置き換えることであるが,その構造と特性は元のグラフのものと類似している。見られるように,これらの方法の一般的な戦略は,粗いグラフを定義するためにスペクトル特性に依存することである。Copyright The Author(s) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  ネットワーク ,  分類 ,  因数分解 ,  *計算 ,  水準 ,  応用プログラム ,  *機械学習
準シソーラス用語： ダウンサンプリング ,  マルチレベル ,  *科学計算 ,  ユビキタス ,  グリッドシステム ,  スペクトル特性 , 【Automatic Indexing@JST】

著者キーワード (5件)： グラフ粗大化 ,  グラフとネットワーク ,  粗大化 ,  マルチレベル法 ,  階層的方法 グラフニューラルネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： グラフ ,  科学 ,  計算 ,  機械学習