Jul, 2009

稀疏网络对齐的消息传递算法

PDF
TL;DR本研究考察了一种用于网络匹配问题的数学规划框架，以及其中的一种稀疏变体，并提出了一种新的消息传递算法，可快速高效地计算大规模网络匹配问题的近似解。我们与两个最佳解算器进行了广泛的模拟比较，其中包括两个合成匹配问题，两个生物信息学问题和三个大型本体匹配问题，包括具有已知标记匹配的多语种问题。
发现论文，激发创造
  • 稳健的多模态图匹配：稀疏编码遇上图匹配

    研究提出了一种基于稀疏技术的鲁棒图匹配算法，可处理加权或非加权图，也适用于不同类型数据的多模态图，并结合合作式图推理技术解决不同模态数据的一般网络推理问题，并以脑功能磁共振成像数据为例进行了应用与验证。

    Nov, 2013

  • 结构化信息传递

    本文提出了结构化消息传递（SMP），这是一种统一的近似推理算法框架，它利用诸如代数决策图和稀疏哈希表等结构化表示。我们人为地引入特定上下文独立性和确定性，以充分利用结构化表示的威力。我们的新算法引入了一些有趣的偏差方差权衡，并通过实验评估了这些权衡，并证明它们比现有技术更准确、更可扩展。

    Sep, 2013

  • 压缩感知的消息传递算法：I. 动机与构造

    本篇论文介绍了一种低复杂度的迭代阈值算法，名为 AMP（近似消息传递），可从一小组线性测量中重构稀疏信号，并与相关文献建立联系。

    Nov, 2009

  • 稀疏图消息传递架构的最优性

    本文研究特征装饰的图上节点分类问题，介绍了渐近局部贝叶斯最优性的概念，在满足一定统计数据模型下计算了优化分类器，并发现最优的消息传递图神经网络架构在低图信号的情况下与标准 MLP 架构相似，在高图信号的情况下与典型卷积架构相似，此外，对相关的非渐近理论进行了证明。

    May, 2023

  • 图的频谱对齐

    本文提出了一种改进的广义图对齐方法，该方法结合了匹配和不匹配两种条件，在不同的图案例中，通过矩阵的谱分解达到了较好的性能表现，尤其在对齐正则图结构方面显著优于现有方法。

    Feb, 2016

  • 受挫系统上的局部消息传递

    基于数据驱动优化的替代消息传递算法，可在环形图上实现更好的表现和性能，适用于各种科学领域，并且还开发了一种新型损失函数以实现无监督训练。

    Jun, 2023

  • 压缩群上的同步问题的消息传递算法

    通过采用来自表示理论的思想并结合于统计物理中标准但非严谨的方法，我们提出了一种高效的迭代算法，用于解决利用多个 “频道”（傅里叶模式或更一般的群表示）对紧致群上的同步问题进行测量的大类问题。

    Oct, 2016

  • 简单流形消息传递用于化学性质预测

    该论文提出了一种基于 Simplicial Message Passing 框架来处理分子结构的方法，其中包括用于量子化学性质预测的深度学习体系结构，并比传统的 MPNN 表现更好。

    Jun, 2023

  • 深度图匹配一致性

    本文提出了一种基于图神经网络和同步消息传递网络的两阶段神经结构，用于学习和精炼图之间的结构对应关系，并在计算机视觉和知识图谱中的实体对齐方面实现了比当前最先进方法更好的实际效果。

    Jan, 2020

  • 多并行词对齐的图算法

    本研究提出了两种基于图的算法，利用跨语言数据集的多对多对齐策略来提高双语词对齐的效率。在多个数据集上的实验结果显示，在 F1 得分上的绝对改进率高达 28%。

    Sep, 2021