| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-07-30 09:50 データセットを用いずに任意の特徴量を満たすグラフを生成するDeep Learning手法に関する研究 ○井脇蒼葉（長岡技科大）・津川 翔（筑波大）・眞田亜紀子（長岡技科大）・渡部康平（埼玉大）  IN2024-23 |
|
| 抄録 | （和） | 近年，ソーシャルネットワークの解析や分子探索のために，グラフの数学的な量(特徴量)を制御して所望のグラフを生成するDeep Learning手法が提案されている．しかし，これらのDeep Learning手法には，大規模なデータセットを必要とすることや，生成されるグラフの特徴量の範囲に数学的な保証がないといった課題が存在する．本稿では，古典的なグラフ生成手法であるBarabási-Albert (BA) Modelを基盤とし，データセットを必要とせずに任意の値の特徴量を指定してグラフを生成するためのDeep Learning手法を提案する．提案手法により，極めて高い精度でクラスタ係数を指定してグラフを生成することが可能であり，生成されたグラフはBA Modelの特性であるスケールフリー性を概ね維持することを確認した． |
| （英） | In recent years, machine learning techniques have been proposed to analyze the mathematical properties of graphs and create graphs for applications such as social network analysis and molecular discovery. However, these machine learning methods face challenges, including the need for large datasets and the lack of mathematical guarantees on the range of features of the generated graphs.This paper proposes a machine learning-based graph analysis founded on the classical Barabási-Albert (BA) model. We confirmed that the proposed method can generate graphs by specifying cluster coefficients with extremely high accuracy, and that the generated graphs generally maintain the scale-free property of the BA Model. | |
| キーワード | （和） | ネットワーク / グラフ / LSTM / 条件付き生成 / 機械学習 / / / |
| （英） | Network / Graph / LSTM / Conditional Generation / Machine Learning / / / | |
| 文献情報 | 信学技報, vol. 124, no. 139, IN2024-23, pp. 77-82, 2024年7月. | |
| 資料番号 | IN2024-23 | |
| 発行日 | 2024-07-22 (IN) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IN2024-23 |
|
| 研究会情報 | |
| 研究会 | IN CCS |
| 開催期間 | 2024-07-29 - 2024-07-30 |
| 開催地（和） | モエレ沼公園 ガラスのピラミッド（北海道札幌市） |
| 開催地（英） | Moerenuma Park Glass Pyramid |
| テーマ（和） | ネットワークの科学、将来ネットワーク 、クラウド/SDN/仮想化、コンテンツ配信・流通、及び一般 |
| テーマ（英） | Network Science, Future Network, Cloud/SDN/Virtualization, Contents Delivery/Contents Exchange, and others |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2024-07-IN-CCS |
| 本文の言語 | 日本語 |
| タイトル（和） | データセットを用いずに任意の特徴量を満たすグラフを生成するDeep Learning手法に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Machine Learning Approach for Creating Graphs with Given Graph Statistics |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ネットワーク / Network |
| キーワード(2)（和/英） | グラフ / Graph |
| キーワード(3)（和/英） | LSTM / LSTM |
| キーワード(4)（和/英） | 条件付き生成 / Conditional Generation |
| キーワード(5)（和/英） | 機械学習 / Machine Learning |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 井脇 蒼葉 / Aoba Iwaki / イワキ アオバ |
| 第1著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 津川 翔 / Sho Tsugawa / ツガワ ショウ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 第3著者 氏名（和/英/ヨミ） | 眞田 亜紀子 / Akiko Manada / |
| 第3著者 所属（和/英） | 長岡技術科学大学 (略称： 長岡技科大) Nagaoka University of Technology (略称： Nagaoka Univ. of Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 渡部 康平 / Kohei Watabe / |
| 第4著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-07-30 09:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IN |
| 資料番号 | IN2024-23 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.139 |
| ページ範囲 | pp.77-82 |
| ページ数 | 6 |
| 発行日 | 2024-07-22 (IN) |
[研究会発表申込システムのトップページに戻る]