Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >[Arxiv | 论文简读] 一种基于有符号图聚类的分布式多层模因算法

[Arxiv | 论文简读] 一种基于有符号图聚类的分布式多层模因算法

作者头像
智能生信
发布于 2022-12-29 09:06:38
发布于 2022-12-29 09:06:38
2390
举报
文章被收录于专栏:智能生信智能生信

简读分享 | 崔雅轩 编辑 | 龙文韬

论文题目

A Distributed Multilevel Memetic Algorithm for Signed Graph Clustering

论文摘要

在实际应用中,两个实体之间的相互作用通常可以用有符号图表示,即包含正权边表示节点吸引的图,包含负权边表示节点排斥的图。图分析的一个相关问题是如何进行一个图的聚类,即将其节点划分为聚类,使同一簇中包含的节点由正边紧密连接,由负边稀疏连接。在这项工作中,提出并设计了一个基于一种新的多层次方法的模因算法。实验结果表明,本文的计算解决方案明显优于目前最先进的解决方案。

论文链接

https://arxiv.org/abs/2208.13618

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-10-13,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智能生信 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
[arxiv | 论文简读] 深度K-Means:简单有效的数据聚类方法
Deep K-Means: A Simple and Effective Method for Data Clustering
智能生信
2022/12/29
1.3K0
[arxiv | 论文简读] 深度K-Means:简单有效的数据聚类方法
[Arxiv | 论文简读] 对比聚类
作者提出了一种被称为对比聚类(CC)的单阶段在线聚类方法。具体来说,对于给定的数据集,正样本和负样本通过数据增强来构造,然后投影到特征空间中。其中,对比学习分别在行空间和列空间中进行,通过最大化正的相似性,最小化负的相似性。作者的观察结果是,特征矩阵中的行可以被视为实例的软标签,因此,这些列可以进一步被视为聚类表示。通过同时优化实例和集群的对比损失,该模型以端到端的方式联合学习表示和集群分配。
智能生信
2022/12/29
5220
[Arxiv | 论文简读] 对比聚类
[scientific reports | 论文简读] scCAN:使用自动编码器和网络融合的单细胞聚类算法
scCAN: single‑cell clustering using autoencoder and network fusion
智能生信
2022/12/29
4410
[scientific reports | 论文简读] scCAN:使用自动编码器和网络融合的单细胞聚类算法
[IEEE | 论文简读] 深度自适应图像聚类
图像聚类是机器学习和计算机视觉中的一项关键但具有挑战性的任务。现有的方法往往忽略了特征学习和聚类之间的结合。为了解决这一问题,作者提出了深度自适应聚类(DAC),该方法将聚类问题重新定义为一个二分类框架,以判断图像对是否属于同一类别。在DAC中,相似度计算由深度卷积网络(ConvNet)的特征和图像的标签构建余弦距离。通过在DAC中引入一个约束条件,学习到的标签特征往往是可以更好应用在图像聚类。主要的挑战是图像聚类中真实标签是未知的。我们通过提出一个交替迭代自适应学习算法来解决这个问题。总之,图像是根据标签特征自动聚类的。实验结果表明,DAC在5个当前的数据集上取得了最好的结果,如在MNIST上达到97.75%,在CIFAR-10上达到52.18%,在STL-10上达到46.99%。
智能生信
2022/12/29
3520
[IEEE | 论文简读] 深度自适应图像聚类
[ARXIV | 论文简读] 混合自编码器的深度无监督聚类
Deep learning of protein sequence design of protein–protein interactions
智能生信
2022/12/29
2630
[ARXIV | 论文简读] 混合自编码器的深度无监督聚类
[Arxiv | 论文简读] MSGNN:一种基于新型磁标志拉普拉斯矩阵的谱神经网络
MSGNN: A Spectral Graph Neural Network Based on a Novel Magnetic Signed Laplacian
智能生信
2022/12/29
4050
[Arxiv | 论文简读] MSGNN:一种基于新型磁标志拉普拉斯矩阵的谱神经网络
[CVPR | 论文简读] 深度密度的无约束人脸聚类算法
Deep Density Clustering of Unconstrained Faces
智能生信
2022/12/29
5210
[CVPR | 论文简读] 深度密度的无约束人脸聚类算法
[KDD 2022 | 论文简读] HyperAid:用于树拟合和层次聚类的双曲空间去噪
HyperAid: Denoising in Hyperbolic Spaces for Tree-fitting
智能生信
2022/12/29
3730
[KDD 2022 | 论文简读] HyperAid:用于树拟合和层次聚类的双曲空间去噪
[Bioinformatics | 论文简读] 通过顺序混合聚类和NMF在上万的细胞中评估单细胞异质性
Resolving single-cell heterogeneity from hundreds of thousands of cells through sequential hybrid clustering and NMF
智能生信
2022/12/29
4430
[Bioinformatics | 论文简读] 通过顺序混合聚类和NMF在上万的细胞中评估单细胞异质性
[Nature Communications | 论文简读] 一种用于清理单细胞RNA-Seq数据噪音的深度神经网络模型
A universal deep neural network for in-depth cleaning of
智能生信
2022/12/29
4630
[Nature Communications | 论文简读] 一种用于清理单细胞RNA-Seq数据噪音的深度神经网络模型
[Bioinformatics | 论文简读] GraphLoc:一种从免疫组织化学图像中预测蛋白质亚细胞定位的图神经网络模型
GraphLoc: a graph neural network model for predicting protein subcellular localization from immunohistochemistry images
智能生信
2022/12/29
3600
[Bioinformatics | 论文简读] GraphLoc:一种从免疫组织化学图像中预测蛋白质亚细胞定位的图神经网络模型
OpenOrd-面向大规模图布局的开源算法-研读
我们创作了一个用于绘制大型无向图的开源工具箱。 这个工具箱是基于一个以前实现的闭源算法,即VxOrd。 我们的工具箱,我们称之为OpenOrd,通过合并切割incorporating edge-cutting、多级方法multi-level approach、平均链接聚类average-link clustering和并行实现parallel implementation,将VxOrd的功能扩展到大型图形布局。 在每个层次上,顶点都使用力导向布局和平均链接聚类来分组。 分组的顶点会被重新绘制,上述过程不断重复。 When a suitable drawing of the coarsened graph is obtained, the algorithm is reversed to obtain a drawing of the original graph. 在得到粗化图coarsened graph的一幅合适的图时,该算法得到了相反的结果,得到了原始图的图像。 这种方法导致了包含本地和全局结构的大图形的布局。 本文给出了该算法的详细描述。 给出了使用超过600 K个节点的数据集的例子。 代码可在www.cs.sandia.gov/smartin上获得。
ZONGLYN
2019/08/08
3.7K0
OpenOrd-面向大规模图布局的开源算法-研读
腾讯优图——分布式知识蒸馏损失改善人脸识别困难样本(附论文代码)
今天我们“计算机视觉研究院”深入解读优图的“分布式知识蒸馏损失改善人脸识别困难样本”技术。上一期我们也详细分享了什么是“知识蒸馏”技术!(链接:腾讯优图 | 分布式知识蒸馏损失改善困难样本)
计算机视觉研究院
2020/08/18
1.4K0
腾讯优图——分布式知识蒸馏损失改善人脸识别困难样本(附论文代码)
机器学习学术速递[7.19]
【1】 Graph Kernel Attention Transformers 标题:图核注意力转换器
公众号-arXiv每日学术速递
2021/07/27
1.2K0
统计学学术速递[7.19]
【1】 A New Robust Multivariate Mode Estimator for Eye-tracking Calibration 标题:一种新的用于眼动定标的鲁棒多变量模式估计器
公众号-arXiv每日学术速递
2021/07/27
8650
人工智能学术速递[6.18]
【1】 Orthogonal-Padé Activation Functions: Trainable Activation functions for smooth and faster convergence in deep networks 标题:正交Padé激活函数:深层网络平滑快速收敛的可训练激活函数
公众号-arXiv每日学术速递
2021/07/02
1.6K0
机器学习学术速递[6.21]
【1】 Self-supervised Incremental Deep Graph Learning for Ethereum Phishing Scam Detection 标题:自监督增量式深度图学习在以太网络钓鱼检测中的应用
公众号-arXiv每日学术速递
2021/07/02
1.7K0
机器学习学术速递[8.17]
【1】 Multistream Graph Attention Networks for Wind Speed Forecasting 标题:用于风速预报的多流图注意网络 链接:https://arxiv.org/abs/2108.07063
公众号-arXiv每日学术速递
2021/08/24
1.6K0
统计学学术速递[9.7]
【1】 Functional additive regression on shape and form manifolds of planar curves 标题:平面曲线形状流形和形式流形的泛函加法回归 链接:https://arxiv.org/abs/2109.02624
公众号-arXiv每日学术速递
2021/09/16
1.2K0
人工智能学术速递[7.23]
作者:Joseph Singleton 机构:Cardiff University, Cardiff, UK 链接:https://arxiv.org/abs/2107.10832 摘要:在这篇文章中,我们引入一个简单的模态逻辑框架来推理信息源的专业知识。在这个框架中,如果消息源能够在任何可能的世界中正确地确定$p$的真值,那么消息源就是$p$命题的专家。我们还考虑了信息可能是虚假的,但真实的会计来源缺乏专门知识。这与信息来源提出超出其专业领域的主张的情况建模有关。我们基于具有特定闭包属性的专门知识集对语言使用非标准语义。事实证明,我们的语义学和认知逻辑之间有着密切的联系,因此专业知识可以在所有可能的状态下用知识来表达。我们使用这个连接来获得一个健全和完整的公理化。 摘要:In this paper we introduce a simple modal logic framework to reason about the expertise of an information source. In the framework, a source is an expert on a proposition $p$ if they are able to correctly determine the truth value of $p$ in any possible world. We also consider how information may be false, but true after accounting for the lack of expertise of the source. This is relevant for modelling situations in which information sources make claims beyond their domain of expertise. We use non-standard semantics for the language based on an expertise set with certain closure properties. It turns out there is a close connection between our semantics and S5 epistemic logic, so that expertise can be expressed in terms of knowledge at all possible states. We use this connection to obtain a sound and complete axiomatisation.
公众号-arXiv每日学术速递
2021/07/27
7580
推荐阅读
相关推荐
[arxiv | 论文简读] 深度K-Means:简单有效的数据聚类方法
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档