ترجمه فارسی مقاله هندسه فضای شبکه های تقسیم شده: یک چارچوب نظری و محاسباتی یکپارچه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Geometry of the Space of Partitioned Networks: A Unified Theoretical and Computational Framework
عنوان مقاله به فارسی هندسه فضای شبکه های تقسیم شده: یک چارچوب نظری و محاسباتی یکپارچه
نویسندگان Stephen Y Zhang, Fangfei Lan, Youjia Zhou, Agnese Barbensi, Michael P H Stumpf, Bei Wang, Tom Needham
فرمت مقاله انگلیسی PDF
تعداد صفحات 64
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Metric Geometry,Optimization and Control,Machine Learning,هندسه متریک , بهینه سازی و کنترل , یادگیری ماشین ,
توضیحات Submitted 10 September, 2024; originally announced September 2024. , Comments: 64 pages, 10 figures , MSC Class: 51F99; 62R20; 49Q22; 05C65
توضیحات به فارسی ارسال شده 10 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 64 صفحه ، 10 شکل ، کلاس MSC: 51F99 ؛62R20 ؛49Q22 ؛05C65
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Interactions and relations between objects may be pairwise or higher-order in nature, and so network-valued data are ubiquitous in the real world. The "space of networks", however, has a complex structure that cannot be adequately described using conventional statistical tools. We introduce a measure-theoretic formalism for modeling generalized network structures such as graphs, hypergraphs, or graphs whose nodes come with a partition into categorical classes. We then propose a metric that extends the Gromov-Wasserstein distance between graphs and the co-optimal transport distance between hypergraphs. We characterize the geometry of this space, thereby providing a unified theoretical treatment of generalized networks that encompasses the cases of pairwise, as well as higher-order, relations. In particular, we show that our metric is an Alexandrov space of non-negative curvature, and leverage this structure to define gradients for certain functionals commonly arising in geometric data analysis tasks. We extend our analysis to the setting where vertices have additional label information, and derive efficient computational schemes to use in practice. Equipped with these theoretical and computational tools, we demonstrate the utility of our framework in a suite of applications, including hypergraph alignment, clustering and dictionary learning from ensemble data, multi-omics alignment, as well as multiscale network alignment.

چکیده به فارسی (ترجمه ماشینی)

تعامل و روابط بین اشیاء ممکن است از نظر ماهیت به صورت جفت یا بالاتر باشد ، بنابراین داده های دارای ارزش شبکه در دنیای واقعی همه گیر هستند.با این حال ، "فضای شبکه ها" دارای یک ساختار پیچیده است که با استفاده از ابزارهای آماری معمولی قابل توصیف نیست.ما برای مدل سازی ساختارهای شبکه تعمیم یافته مانند نمودارها ، هایپرگرافها یا نمودارهایی که گره های آنها با یک پارتیشن در کلاس های طبقه بندی می شوند ، یک فرمالیسم سنجش نظری اندازه گیری می کنیم.سپس ما یک متریک را پیشنهاد می کنیم که فاصله Gromov-Wasserstein را بین نمودارها و فاصله حمل و نقل بهینه بهینه بین هیپرگرافها گسترش می دهد.ما هندسه این فضا را توصیف می کنیم ، در نتیجه یک رفتار نظری یکپارچه از شبکه های تعمیم یافته ارائه می دهیم که شامل موارد زوج و همچنین روابط با مرتبه بالاتر است.به طور خاص ، ما نشان می دهیم که متریک ما یک فضای الکساندروف از انحنای غیر منفی است و از این ساختار برای تعریف شیب برای برخی از کارکردهای خاص که معمولاً در کارهای تجزیه و تحلیل داده های هندسی بوجود می آیند ، استفاده می کند.ما تجزیه و تحلیل خود را به تنظیماتی که در آن راس ها دارای اطلاعات برچسب اضافی هستند ، گسترش می دهیم و از طرح های محاسباتی کارآمد برای استفاده در عمل استفاده می کنیم.مجهز به این ابزارهای نظری و محاسباتی ، ما ابزار چارچوب خود را در مجموعه ای از برنامه ها ، از جمله تراز بیش از حد ، خوشه بندی و یادگیری فرهنگ لغت از داده های گروه ، تراز چندمیک و همچنین تراز شبکه چند طبقه نشان می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.