Computing and Learning on Combinatorial Data

要約

21世紀は、人間の活動と行動、物理的現象、科学的発見、技術の進歩、そして世界で起こるほとんどすべてのものが、データの大規模な生成、収集、利用をもたらすデータ主導の時代です。
データの接続は重要なプロパティです。
簡単な例は、すべてのWebページがハイパーリンクを介して他のWebページに接続されているWorld Wide Webです。
組み合わせデータとは、特定の接続ルールに基づいたデータ項目の組み合わせを指します。
組み合わせデータの他の形式には、ソーシャルネットワーク、メッシュ、コミュニティクラスター、セットシステム、および分子が含まれます。
この博士号
論文は、組み合わせデータを使用した学習とコンピューティングに焦点を当てています。
接続されたデータ内および接続されたデータの機能を研究および調べて、学習のパフォーマンスを改善し、高いアルゴリズム効率を実現します。

要約(オリジナル)

The twenty-first century is a data-driven era where human activities and behavior, physical phenomena, scientific discoveries, technology advancements, and almost everything that happens in the world resulting in massive generation, collection, and utilization of data. Connectivity in data is a crucial property. A straightforward example is the World Wide Web, where every webpage is connected to other web pages through hyperlinks, providing a form of directed connectivity. Combinatorial data refers to combinations of data items based on certain connectivity rules. Other forms of combinatorial data include social networks, meshes, community clusters, set systems, and molecules. This Ph.D. dissertation focuses on learning and computing with combinatorial data. We study and examine topological and connectivity features within and across connected data to improve the performance of learning and achieve high algorithmic efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google