Diffusion Maps for Signal Filtering in Graph Learning

要約

このペーパーでは、グラフ信号の基礎となるジオメトリを理解する際に、グラフ シフト演算子としてのアプリケーション拡散マップを検討します。
この研究では、マルコフ変動最小化問題に対して拡散マップ生成フィルターを使用した場合のグラフ学習の改善を評価しています。
この論文では、合成的に生成された実際の温度センサー データを含む例を通じて、このアプローチの有効性を紹介しています。
これらの例では、拡散マップ グラフ信号モデルを他の一般的に使用されるグラフ信号演算子と比較します。
その結果は、複雑な非ユークリッド データ構造の分析と理解のための新しいアプローチを提供します。

要約(オリジナル)

This paper explores the application diffusion maps as graph shift operators in understanding the underlying geometry of graph signals. The study evaluates the improvements in graph learning when using diffusion map generated filters to the Markov Variation minimization problem. The paper showcases the effectiveness of this approach through examples involving synthetically generated and real-world temperature sensor data. These examples also compare the diffusion map graph signal model with other commonly used graph signal operators. The results provide new approaches for the analysis and understanding of complex, non-Euclidean data structures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google