HyperAIHyperAI

Command Palette

Search for a command to run...

النقل المثالي للبيانات المنظمة مع تطبيق على الرسوم البيانية

Titouan Vayer Laetitia Chapel Rémi Flamary Romain Tavenard Nicolas Courty

الملخص

يعتبر هذا العمل مشكلة حساب المسافات بين الكائنات المهيكلة مثل الرسوم البيانية غير الموجهة، والتي يتم رؤيتها كتوزيعات احتمالية في فضاء مترية معين. نحن ندرس مسافة نقل جديدة (أي تلك التي تقلل من التكلفة الإجمالية لنقل الكتل الاحتمالية) التي تكشف الطبيعة الهندسية لفضاء الكائنات المهيكلة. على عكس مقاييس Wasserstein أو Gromov-Wasserstein التي تركز حصريًا على الخصائص (من خلال النظر إلى مقياس في فضاء الخصائص) أو الهيكل (من خلال رؤية الهيكل كفضاء مترية)، تستغل المسافة الجديدة لدينا المعلومات المشتركة بينهما، ولهذا السبب تم تسميتها بـ Fused Gromov-Wasserstein (FGW). بعد مناقشة خصائصها وجوانب الحساب المتعلقة بها، نعرض النتائج في مهمة تصنيف الرسوم البيانية، حيث أداء طريقة FGW أفضل من كل من نواة الرسوم البيانية والشبكات العصبية التلافيفية العميقة للرسوم البيانية. استغلالًا أكثر لخصائص FGW المترية، يتم توضيح ومناقشة كائنات هندسية مثيرة للاهتمام مثل الوسائل المتوسطة Fréchet أو باريسينترات الرسوم البيانية في سياق التجميع.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp