Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
    		 of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
مدل های ترکیبی مولد شبکه های اجتماعی
مهدوی، حامد Mahdavi, Hamed

Cataloging brief

مدل های ترکیبی مولد شبکه های اجتماعی
پدیدآور اصلی :   مهدوی، حامد Mahdavi, Hamed
ناشر :   صنعتی شریف
سال انتشار  :   1399
موضوع ها :   شبکه عصبی گرافی Graph Neural Network شبکه های اجتماعی Social Networks مدل سازی احتمالاتی...
شماره راهنما :   ‭19-53940

Find in content

sort by

Bookmark

  • مقدمه (11)
    • پیشگفتار (11)
    • تعریف مساله (13)
    • اهمیت مساله (15)
    • نتایج و نوآوری‌ها (16)
    • ساختار پایان‌نامه (16)
  • مرور مفاهیم و ابزار‌های پایه (17)
    • طرح کلی (17)
    • مسائل حوزه‌ی شبکه‌های اجتماعی (17)
      • یادگیری بازنمایی (17)
      • پیش‌بینی پیوند (18)
      • مساله‌ی تشخیص جامعه‌ (19)
      • دسته‌بندی راس‌ها (20)
      • مدل‌سازی مولد برای گراف‌ها (20)
    • مدل‌های گرافی احتمالاتی (21)
      • مدل‌های احتمالاتی جهت‌دار (22)
      • الگوریتم EM (23)
      • روش‌های وردشی (25)
      • روش نمونه‌برداری گیبس (28)
    • شبکه‌های عصبی گرافی (29)
      • فیلترهای طیفی (30)
      • سیگنال‌های چندبعدی و تعبیر مکانی فیلتر پیچشی (33)
    • نتیجه‌گیری (34)
  • مروری بر پژوهش‌های پیشین (35)
    • روش‌های وردشی مدرن (35)
      • خودکدگذار وردشی ساده (35)
      • استنتاج وردشی نیمه‌‌ضمنی (38)
      • استنتاج وردشی با استفاده از جریان‌های نرمال‌شونده (38)
      • خودکدگذار وردشی با متغیر گسسته (39)
      • استنتاج وردشی با استفاده از گرادیان‌های دوباره‌پارامتریزه‌سازی ضمنی (39)
      • استنتاج وردشی جعبه‌ سیاه (40)
    • بازنمایی‌های معنی‌دار روی گراف‌ها (41)
      • یادگیری تعبیه‌سازی جامعه‌ها به همراه تشخیص جامعه‌ها و تعبیه‌ی رئوس روی گراف‌ها (41)
      • چارچوبی واحد برای یادگیری جامعه و تعبیه‌سازی شبکه (42)
      • مدل‌سازی همزمان جامعه و بازنمایی راس‌ها با استفاده از vGraph (42)
    • مدل‌سازی موضوع (43)
      • نمادگذاری و واژگان (43)
      • مدل LDA (44)
      • خودکدگذاری استنتاج وردشی برای مدل‌سازی موضوع (45)
      • استنتاج خودکدگذاری ویبول برای مدل‌سازی موضوع عمیق (46)
      • شبکه‌های باور دیریشله برای یادگیری ساختار موضوع‌ها (47)
      • مدل‌های مولد ترکیبی عمیق (48)
    • مدل‌های احتمالاتی شبکه (49)
      • مدل مخلوط شبکه‌های با توزیع دیریشله (49)
      • مدل مقیاس‌پذیر شبکه با وابستگی مرتبه‌ی بالا (51)
      • شبکه‌ی باور گرافی گاما پواسون (52)
    • مدل‌های ترکیبی احتمالاتی و شبکه‌های عصبی گرافی (53)
    • نتیجه‌گیری (55)
  • روش پیشنهادی (57)
    • انگیزه (57)
    • ساده‌سازی و تغییر مدل مخلوط شبکه‌های با توزیع دیریشله (58)
    • الگوریتم یادگیری مدل BTGM (61)
      • یادگیری با استفاده از استنتاج وردشی جعبه‌ی سیاه (61)
      • استفاده از توزیع وردشی سرشکن (62)
    • الگوریتم یادگیری مدل PRTGM (62)
    • الگوریتم یادگیری مدل LGTPGM (63)
    • روش‌هایی برای بهبود تمرین (64)
    • نتیجه‌گیری (65)
  • نتایج آزمایش‌ها (66)
    • ارزیابی کمی (66)
      • نحوه‌ی پیش‌پردازش داده‌ها (67)
      • پیش‌بینی پیوند (67)
      • تشخیص جامعه (68)
    • بررسی کیفی (70)
    • نتیجه‌گیری (72)
  • نتیجه‌گیری و کارهای آتی (77)
    • جمع‌بندی (77)
    • کارهای آتی (78)
      • مدل پویا (78)
      • تشخیص اتوماتیک تعداد خوشه‌ها (78)
      • استفاده از فرایادگیری (78)
Loading...