实体
Stochastic Block Models
Stochastic Block Models
PulseAugur coverage of Stochastic Block Models — every cluster mentioning Stochastic Block Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
新的拓扑框架用于表征图神经网络以实现迁移学习
研究人员开发了一种新颖的拓扑框架来分析和比较训练好的图神经网络（GNN）。该方法将诱导的随机块模型映射到单位n-球面，创建GNN的低维“指纹”。此指纹可用于目视检查、最近邻搜索以及识别迁移学习的候选者，而无需重新训练。
-
新算法改进超图中的社群检测
研究人员开发了新的超图社群检测谱算法，改进了非均匀模型的现有方法。其中一篇论文介绍了一种三步谱算法，该算法实现了部分恢复和弱一致性，特别适用于具有有界期望度数的稀疏随机超图。另一篇论文为一般非均匀超图随机块模型中的精确恢复建立了清晰阈值，并提出了达到最优性能的高效算法。
-
新论文探索最优传输在机器学习推理中的应用
两篇新的arXiv论文探讨了机器学习中的高级推理技术。其中一篇论文对无似然推理方法进行了基准测试，评估了它们在处理重尾和离散数据时的性能。另一篇论文则将最大似然法与最优传输相结合，用于随机块模型中的高效推理和模型选择，提出了一种用于同时恢复参数和选择聚类数量的正则化方法。
-
新算法解决了图中的节点私有社区估计问题
研究人员开发了用于随机块模型中社区恢复的新算法，该算法纳入了节点差分隐私。这些方法旨在对图结构的节点级变化保持稳定，这比边隐私更具挑战性。提出的技术包括谱聚类、私有PCA和新颖的图投影框架，所有这些都可以在多项式时间内计算。该工作还为在这些节点私有约束下进行一致社区估计所需的隐私参数$\epsilon$建立了新的下界。