ترجمه فارسی مقاله شبکه داوکر عصبی پویا: تقریب همسانی پایدار در گراف های جهت دار پویا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Dynamic Neural Dowker Network: Approximating Persistent Homology in Dynamic Directed Graphs
عنوان مقاله به فارسی شبکه داوکر عصبی پویا: تقریب همسانی پایدار در گراف های جهت دار پویا
نویسندگان Hao Li, Hao Jiang, Jiajun Fan, Dongsheng Ye, Liang Du
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Algebraic Topology,یادگیری ماشین , توپولوژی جبری ,
توضیحات Submitted 17 August, 2024; originally announced August 2024. , Comments: KDD 2024
توضیحات به فارسی ارسال شده 17 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: KDD 2024
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

Persistent homology, a fundamental technique within Topological Data Analysis (TDA), captures structural and shape characteristics of graphs, yet encounters computational difficulties when applied to dynamic directed graphs. This paper introduces the Dynamic Neural Dowker Network (DNDN), a novel framework specifically designed to approximate the results of dynamic Dowker filtration, aiming to capture the high-order topological features of dynamic directed graphs. Our approach creatively uses line graph transformations to produce both source and sink line graphs, highlighting the shared neighbor structures that Dowker complexes focus on. The DNDN incorporates a Source-Sink Line Graph Neural Network (SSLGNN) layer to effectively capture the neighborhood relationships among dynamic edges. Additionally, we introduce an innovative duality edge fusion mechanism, ensuring that the results for both the sink and source line graphs adhere to the duality principle intrinsic to Dowker complexes. Our approach is validated through comprehensive experiments on real-world datasets, demonstrating DNDN's capability not only to effectively approximate dynamic Dowker filtration results but also to perform exceptionally in dynamic graph classification tasks.

چکیده به فارسی (ترجمه ماشینی)

همسانی مداوم ، یک تکنیک اساسی در تجزیه و تحلیل داده های توپولوژیکی (TDA) ، ویژگی های ساختاری و شکل نمودارها را ضبط می کند ، اما در عین حال مشکلات محاسباتی را در هنگام استفاده از نمودارهای دینامیکی انجام می دهد.در این مقاله شبکه Dowker عصبی پویا (DNDN) ، یک چارچوب جدید که به طور خاص برای تقریب نتایج فیلتراسیون پویا داوکر طراحی شده است ، با هدف ضبط ویژگی های توپولوژیکی مرتبه بالا از نمودارهای دینامیکی طراحی شده است.رویکرد ما به طور خلاقانه از تحولات خط خط برای تولید هر دو نمودار خط منبع و سینک استفاده می کند ، و ساختارهای همسایه مشترک را که مجتمع های داوکر روی آن تمرکز می کنند ، برجسته می کند.DNDN دارای یک لایه شبکه عصبی نمودار سینک Sink Line (SSLGNN) است تا به طور مؤثر روابط محله را در بین لبه های پویا ضبط کند.علاوه بر این ، ما یک مکانیسم همجوشی لبه دوگانگی نوآورانه را معرفی می کنیم ، و اطمینان می دهیم که نتایج مربوط به نمودارهای سینک و خط منبع به اصل دوگانگی ذاتی به مجتمع های Dowker پایبند است.رویکرد ما از طریق آزمایش های جامع در مجموعه داده های دنیای واقعی تأیید می شود ، و توانایی DNDN را نه تنها برای تقریبی موثر نتایج فیلتراسیون داوکر پویا بلکه برای انجام استثنایی در کارهای طبقه بندی نمودار پویا نشان می دهد.

📚 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.