प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

सप्ताह४६ FMP

संक्षेपः

अस्मिन् सप्ताहे अहं Chasing Fairness in Graphs: A GNN Architecture Perspective इति शीर्षकेण एकं पत्रं पठितवान्। अस्मिन् पत्रे ग्राफ-न्यूरल-जालस्य (GNN) एकीकृत-अनुकूलन-रूपरेखायाः मार्गदर्शितायाः निष्पक्ष-सन्देश-प्रसारण-योजनायाः (FMP) प्रस्तावः कृतः अस्ति, यस्य उद्देश्यं ग्राफ-आँकडा-संसाधनस्य निष्पक्षतां सुधारयितुम् अस्ति एषः दृष्टिकोणः द्वयोः मूलपदयोः माध्यमेन प्राप्तः भवति: प्रथमं आलेखदत्तांशसङ्ग्रहः, ततः पूर्वाग्रहं न्यूनीकर्तुं प्रत्येकस्य सांख्यिकीयजनसंख्यायाः केन्द्रस्य प्रतिनिधित्वं स्पष्टतया अनुसरणं करोति इयं पद्धतिः एकां अनुकूलनसमस्यां निर्माति यत् निष्पक्षतां आँकडानां सुचारुतां च विचारयति, तथा च तस्य कुशलतापूर्वकं समाधानार्थं softmax कार्यलक्षणैः सह मिलित्वा Fenchel conjugate तथा gradient decent techniques इत्यस्य उपयोगं करोति, यत् एकं नोड् प्रतिनिधित्वं जनयति यत् निष्पक्षं सूचनाप्रदं च भवति एषा योजना प्रत्यक्षतया GNN मध्ये निहितं भवति यत् आँकडापूर्वसंसाधनं विना नोड् वर्गीकरणकार्यस्य निष्पक्षतां सटीकता च सुधारयितुम् अस्ति । प्रयोगात्मकपरिणामाः दर्शयन्ति यत् FMP वास्तविकदत्तांशसमूहेषु बहुमूलरेखाप्रतिमानानाम् अपेक्षया उत्तमं प्रदर्शनं करोति, आदर्शवास्तुकला, दक्षता, संवेदनशीलगुणोपयोगस्य च दृष्ट्या तस्य प्रभावशीलतां पूर्णतया सत्यापयति।

मूर्त

अस्मिन् सप्ताहे साप्ताहिकं वृत्तपत्रं Chasing Fairness in Graphs: A GNN Architecture Perspective इति शीर्षकेण पत्रस्य डिकोडं करोति। अस्मिन् पत्रे ग्राफ-न्यूरल-जालस्य (GNNs) एकीकृत-अनुकूलन-रूपरेखायाः मार्गदर्शितायाः निष्पक्ष-सन्देश-पासिंग् (FMP) योजनायाः परिचयः कृतः, यस्य उद्देश्यं ग्राफ-आँकडा-संसाधने निष्पक्षतां वर्धयितुं वर्तते एफएमपी एतत् द्वयोः मूलपदयोः माध्यमेन साधयति: प्रथमं, आलेखदत्तांशसङ्ग्रहणं, ततः पूर्वाग्रहं न्यूनीकर्तुं विविधसांख्यिकीयसमूहानां केन्द्राणां प्रतिनिधित्वं कर्तुं स्पष्टतया प्रयत्नः एषः दृष्टिकोणः एकां अनुकूलनसमस्यां सूत्रयति यत् निष्पक्षतां आँकडानां सुचारुतां च विचारयति, तथा च Fenchel द्वैतस्य ढाल-अवरोह-प्रविधिनां च लाभं लभते, यत् softmax-कार्यस्य गुणैः सह मिलित्वा, समस्यायाः कुशलतापूर्वकं समाधानं करोति तथा च निष्पक्षं सूचनाप्रदं च नोड्-प्रतिपादनं जनयति इयं योजना प्रत्यक्षतया जीएनएन-मध्ये निहितं भवति यत् नोड्-वर्गीकरण-कार्यस्य निष्पक्षतां सटीकतां च सुधारयितुम्, यत्र आँकडा-पूर्व-संसाधनस्य आवश्यकता नास्ति । वास्तविक-जगतः आँकडा-समूहेषु प्रयोगात्मकपरिणामाः दर्शयन्ति यत् FMP बहु-आधार-रेखा-प्रतिरूपेभ्यः अधिकं कार्यं करोति, आदर्श-वास्तुकला, दक्षता, संवेदनशील-गुणानां उपयोगस्य च दृष्टिकोणात् तस्य प्रभावशीलतां व्यापकरूपेण प्रमाणयति

1. प्रश्नः

标题:ग्राफ्स् मध्ये निष्पक्षतायाः अनुसरणं: एकः जीएनएन वास्तुकला परिप्रेक्ष्यः

作者:Zhimeng Jiang1, Xiaotian Han1, चाओ Fan2, Zirui Liu3, ना Zou4, अली Mostafavi1, जिया Hu3

मोचनम्‌: सं. 38 सं ​​19: आआइ-24

लिङ्कः https://doi.org/10.1609/aaai.v38i19.30115

2. अमूर्तम्

अस्य लेखस्य उद्देश्यं नूतनस्य जीएनएन-रूपरेखायाः माध्यमेन उत्तमं न्याय्यं प्राप्तुं वर्तते, अतः जीएनएन-रूपरेखायाः एकीकृत-अनुकूलन-रूपरेखायाः अन्तः डिजाइनं कर्तुं प्रस्तावः अस्तिनिष्पक्षसन्देशः (FMP) २. .ज्ञातव्यं यत् FMP इत्यस्य उपयोगं करोतिपार एन्ट्रोपी हानिनोडवर्गीकरणकार्यस्य कृते अग्रे पासस्य संवेदनशीलविशेषतानां उपयोगं स्पष्टतया प्रस्तुतं कुर्वन्तु, यदा...दत्तांशपूर्वसंसाधनस्य आवश्यकता नास्ति .FMP इत्यस्मिन् प्रथमं प्रयोगःबहुलकीकरणम्प्रतिवेशिनः सूचनायाः शोषणं कर्तुं, ततः चपूर्वाग्रह शमन चरणाः स्पष्टतया दत्तांशसांख्यिकीयसमूहस्य नोड् प्रतिनिधित्वकेन्द्रं एकत्र धक्कायन्ति । एवं प्रकारेण एफएमपी योजना प्रतिवेशिनः उपयोगिनो सूचनाः एकत्रितुं शक्नोति तथा च पूर्वाग्रहान् न्यूनीकर्तुं शक्नोति यत् उत्तमं निष्पक्षतां भविष्यवाणीं च व्यापार-प्रदर्शनं प्राप्तुं शक्नोति।नोड वर्गीकरणकार्यस्य प्रयोगाः दर्शयन्ति यत् प्रस्तावितः एफएमपी त्रयोः वास्तविक-जगतः आँकडा-समूहेषु निष्पक्षतायाः सटीकतायाश्च दृष्ट्या बहु-आधार-रेखाभ्यः अधिकं प्रदर्शनं करोति ।

3. एफ एम पी

एफएमपी आदर्शमेरुदण्डस्य दृष्ट्या न्याय्यं पूर्वानुमानं प्राप्तुं शक्नोति। विशेषतः, एकत्रैव सुचारुता, निष्पक्षं नोड् प्रतिनिधित्वं च अनुसृत्य अनुकूलसन्देशरूपेण अनुकूलनसमस्यारूपेण सूत्रितं भवति । प्रभावी कुशलं अनुकूलन-अल्गोरिदम् इत्यनेन सह मिलित्वा बन्द-रूपस्य निष्पक्ष-सन्देशः व्युत्पन्नः भवति । अन्ते प्रस्तावितं एफएमपी परिवर्तनं, समुच्चयम्, पूर्वाग्रहं च सहितं त्रिषु चरणेषु निष्पक्षजीएनएन-मध्ये एकीकृतं भवति, यथा चित्रे 1 दर्शितम् अस्ति एतेषु त्रयः चरणाः क्रमशः नोड्-विशेषताः, आलेख-टोपोलॉजी, संवेदनशील-विशेषताः च नियोजयन्ति ।

३.१ अनुकूलनरूपरेखा

$$\underset{\mathbf{च}}{मि}\frac{{\lambda }_{स}}{2}तर({\mathbf{च}}^{टी}\widetilde{टी}\mathbf{च})\frac{1}{2}||\mathbf{च}-{\mathbf{X}}_{तरएकम्‌स}|{|}_{च}^2{\lambda }_{च}||{\Delta }_{स}SF(\mathbf{च})|{|}_1\text{\hspace{1em}(1)}$$

$टिल्डे L $सामान्यीकृतं\; लैप्लेशियन-मात्रिकं\; प्रतिनिधित्वं\; करोति,$ह_स(·)$ च ${ज}_{च}(\cdot )$ सुचारुतां न्याय्यं च लक्ष्यं प्रतिनिधियति,$X_{तरएकम्‌स}\in {आर}^{न\times {घ}_{oउत}}$ इति परिणतम्${घ}_{oउत}$आयाम नोड लक्षण।$च\in {आर}^{न\times {घ}_{oउत}}$समानमात्रिकाकारस्य समुच्चयितनोड्विशेषताः सन्ति ।

प्रथमद्वयं पदं सम्बद्धानां नोड्-प्रतिपादनानां सादृश्यं रक्षति, अतः आलेखस्य स्निग्धता वर्धते । अन्तिमपदं निष्पक्षं नोड् प्रतिनिधित्वं प्रवर्तयति येन औसत पूर्वानुमानितसंभावना भिन्नसंवेदनशीलविशेषणसमूहानां मध्ये नित्यं तिष्ठितुं शक्नोति ।

नियमितीकरणगुणांकाः λs तथा λf अनुकूलरूपेण आलेखस्य सुचारुतायाः निष्पक्षतायाः च मध्ये व्यापारं नियन्त्रयन्ति ।
$${ज}_{स}(\mathbf{च})=\underset{\mathbf{च}}{मि}\frac{{\lambda }_{स}}{2}तर({\mathbf{च}}^{टी}\widetilde{टी}\mathbf{च})\frac{1}{2}||\mathbf{च}-{\mathbf{X}}_{तरएकम्‌स}|{|}_{च}^2$$
स्मूथनेस् लक्ष्य hs(·): विद्यमानग्राफसन्देशयोजनासु समीपतामैट्रिक्सं सामान्यीकृत्य संख्यात्मकस्थिरतां सुधारयितुम् उत्तमं प्रदर्शनं प्राप्तुं च भवतिधारकेन्द्रितदृष्ट्या स्निग्धवस्तुबलाः नोडप्रतिपादनानि समानानि भवितुम् संयोजयन्ति स्म यतः...
$$तर({\mathbf{च}}^{टी}\widetilde{टी}\mathbf{च})=\sum _{({वि}_{अहम्‌},{वि}_{झ})\in \mathrm{ई}}||\frac{{\mathbf{च}}_{अहम्‌}}{\sqrt{{घ}_{अहम्‌}1}}-\frac{{\mathbf{च}}_{अहम्‌}}{\sqrt{{घ}_{झ}1}}|{|}_{च}^2\text{\hspace{1em}(2)}$$
निष्पक्षता लक्ष्य hf(·): निष्पक्षता लक्ष्यं समुच्चयानन्तरं नोडप्रतिपादनस्य विचलनं मापयति । संवेदनशीलविशेषणघटना सदिशः Δs चिह्नस्य निरपेक्षमूल्यस्य च योगेन संवेदनशीलविशेषणसमूहस्य समूहस्य च आकारस्य प्रतिनिधित्वं करोति ।संवेदनशीलविशेषणघटना सदिशः अस्ति
Δ s = 1