تخفیف نوروزی پی استور

کد تخفیف: PR1404

شامل تمامی آثار
روز
ساعت
دقیقه
ثانیه

با خرید اشتراک ویژه ، با هزینه بسیار کمتر به فایل های پاورپوینت دسترسی داشته باشید!

خوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف ها - تصویری از یک صفحه مقاله و ذره بین با علامت تیک سبز رنگ روی آن در این عکس شاخص درج شده است.

خوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف ها

هزینه سفارش:

تخفیف ویژه 60 درصدی

قیمت اصلی: ۲۱۹,۰۰۰ تومان بود.قیمت فعلی: ۸۷,۶۰۰ تومان.

روز
ساعت
دقیقه
ثانیه
دریافت کد تخفیف با گردونه شانس %
تعداد فراگیر
318 نفر
امتیاز کاربران
امتیاز 5.00 از 5

در این مقاله یک نوع روش خوشه بندی طیفی (SC) برای یافتن جوامع کاملاً متصل بر روی یک گراف معرفی شده است. از SC می‌توان در شبکه های عصبی مبتنی بر گراف (GNN) برای جمع آوری گره‌های متعلق به یک خوشه استفاده کرد.

در این بخش ترجمه مقاله Spectral Clustering with Graph Neural Networks for Graph Pooling به فارسی خوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف ها قرار داده شده است. در این مقاله یک نوع روش خوشه بندی طیفی (SC) برای یافتن جوامع کاملاً متصل بر روی یک گراف معرفی شده است. از SC می توان در شبکه های عصبی مبتنی بر گراف (GNN) برای جمع آوری گره‌های متعلق به یک خوشه استفاده کرد. برای دانلود مقاله اصلی روی این لینک (+) کلیک کنید.

چکیده انگلیسی خوشه بندی طیفی با شبکه های عصبی

Spectral clustering (SC) is a popular clustering technique to find strongly connected communities on a graph. SC can be used in Graph Neural Networks (GNNs) to implement pooling operations that aggregate nodes belonging to the same cluster. However, the eigendecomposition of the Laplacian is expensive and, since clustering results are graph-specific, pooling methods based on SC must perform a new optimization for each new sample. In this paper, we propose a graph clustering approach that addresses these limitations of SC.

We formulate a continuous relaxation of the normalized minCUT problem and train a GNN to compute cluster assignments that minimize this objective. Our GNN-based implementation is differentiable, does not require to compute the spectral decomposition, and learns a clustering function that can be quickly evaluated on out-of-sample graphs. From the proposed clustering method, we design a graph pooling operator that overcomes some important limitations of state-of-the-art graph pooling techniques and achieves the best performance in several supervised and unsupervised tasks.

چکیده فارسی

خوشه بندی طیفی (SC) یک روش خوشه بندی محبوب برای یافتن جوامع کاملاً متصل بر روی یک گراف است. از SC می‌توان در شبکه های عصبی مبتنی بر گراف (GNN) برای جمع آوری گره‌های متعلق به یک خوشه استفاده کرد. اگرچه ترکیب ویژه لاپلاسین گران است و از آن‌جایی که نتایج خوشه بندی مبتنی بر گراف می‌باشد، روش‌های اجتماع مبتنی بر SC برای هر نمونه باید بهینه سازی جدیدی را اجرا کنند. در این مقاله، ما یک رویکرد خوشه بندی گرافی ارائه می‌دهیم که به محدودیت‌های مربوط به SC می‌پردازد.

همین طور کم کارآمدی یا استراحت مداوم مسئله minCUT نرمال شده را فرموله می‌کنیم و یک GNN را برای محاسبه وظایف خوشه‌ای که این هدف را به حداقل می‌رساند آموزش می‌دهیم.

پیاده سازی مبتنی بر GNN ما تشخیص پذیر است، نیازی به محاسبه تجزیه طیفی ندارد و عملکرد خوشه بندی را می‌آموزد که می‎تواند به سرعت در گراف‌های خارج از نمونه ارزیابی شود. با استفاده از خوشه بندی پیشنهادی، ما یک اپراتور جمع آوری گراف را طراحی می‌کنیم که به برخی از محدودیت‌های مهم تکنیک‌های جمع آوری گراف‌های پیشرفته غلبه می‌کند و در وظایف تحت نظارت و غیر تحت نظارت بهترین عملکرد را دارد. از مباحث مرتبط با این موضوع؛ می‌توان به فایل آماده انواع گراف اشاره نمود.

درباره خوشه بندی طیفی با شبکه های عصبی

ترجمه مقاله اخوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف‌ها عنوان اثری است که در قالب ورد به تعداد ۲۶ صفحه به‌صورت دقیق و روان توسط متخصصان ترجمه رشته کامپیوتر انجام شده است. این ترجمه از طرف کارشناسان پی استور بررسی شده و دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود اثر مذکور آن را خریداری کنید به محض خرید لینک دانلود در دسترس خواهد بود. لازم به ذکر است مجموعه آموزشی پی استور با طراحی، تدوین و ارائه انواع پاورپوینت‌های آماده در موضوعات متنوع و جذاب و قالب‌های آکادمیک و استاندارد در انواع تحقیقات و پژوهش‎ها همراه شما بزرگواران است.


مترجم:  گلناز محرر روحانی

کارشناس ارشد رشته مهندسی فناوری اطلاعات - گرایش شبکه های کامپیوتری

گلناز محرر روحانی از اعضای اصلی تیم توسعه پی استور هستند. ایشان علاوه بر پژوهش در زمینه های شبکه های کامپیوتری و الگوریتم های فرا ابتکاری در امور Cryptocurrency و طراحی انواع پاورپوینت برای ارائه‌های کلاسی فعالیت دارند و مدرس فعال زبان انگلیسی نیز هستند.

مشخصات تکمیلی ترجمه

نام اثر: خوشه بندی طیفی با شبکه های عصبی گرافی برای اجتماع گراف ها
نوع اثر: ترجمه
مترجم: گلناز محرر روحانی
قالب فایل: Word
تعداد صفحات: 26 صفحه
ویژگی: دارای قابلیت ویرایش

راهنمای خرید و ثبت سفارش

تصویر مراحل خرید از پی استور

اگر در مورد این اثر یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین 44225175 (پیش شماره 041) تماس بگیرید. – تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). – تمام ساعات

توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

تصویر و لوگوی گارانتی

نظرات

1 نظر|5.00 (میانگین امتیاز کاربران)

  1. آواتار مدیریت و پشتیبانی

    مدیریت و پشتیبانی

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شناسه اثر: 8750 دسته‌بندی موضوعی: برچسب:

هزینه سفارش:

تخفیف ویژه 60 درصدی

قیمت اصلی: ۲۱۹,۰۰۰ تومان بود.قیمت فعلی: ۸۷,۶۰۰ تومان.

دریافت کد تخفیف %