Optimal Two-Sided Embeddings of Complete Binary Trees in Rectangular Grids

Обнаружение сообществ в сложных сетях — фундаментальная проблема, открытая для новых подходов в различных научных областях. Мы представляем новый метод обнаружения сообществ, основанный на потоке Риччи на графах. Наша техника итеративно обновляет веса ребер (их метрические длины) в соответствии с их (комбинаторной) версией кривизны Риччи Фостера, вычисленной на основе эффективного расстояния сопротивления между узлами. Известно, ...

Добавлено: 15 января 2026 г.

Implementing Transport Coding in OMNeT++ for Message Delay Reduction

Петрованов И. С., Сергеев А. В., / Series Computer Science "arxiv.org". 2025. No. 2512.18332.

Добавлено: 24 декабря 2025 г.

Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset

Меньшиков И. А., Бернадотт А. К., Елфимов Н. С., / Series arXie "Statistical mechanics". 2025.

Добавлено: 1 декабря 2025 г.

Determining the boundary of dynamical chaos in the generalized Chirikov map via machine learning

Чернышов Д. П., Сатанин А. М., Щур Л. Н., / Series arXiv "math". 2025.

Добавлено: 21 ноября 2025 г.

Эффективный алгоритм торговли на фондовом рынке: ретроспективный анализ, основанный на данных по S&P-500.

Рубчинский А. А., Чубарова Д. А., / Series WP7 "Математические методы анализа решений в экономике, бизнесе и политике". 2025. No. WP7/2025/01.

Добавлено: 9 ноября 2025 г.

Building a Graph-Based Recommender Using Community Embeddings

Anton Begehr, Peter Panfilov, , in: ICCTA '22: Proceedings of the 2022 8th International Conference on Computer Technology Applications.: NY: Association for Computing Machinery (ACM), 2022. Ch. 19 P. 121–127.

Добавлено: 26 сентября 2022 г.

Social Network Analysis of the Professional Community Interaction - Movie Industry Case

Карпов И. А., Roman Marakulin, , in: Data Analytics and Management in Data Intensive Domains. 23rd International Conference, DAMDID/RCDL 2021, Moscow, Russia, October 26–29, 2021, Revised Selected Papers.: Springer, 2022. P. 36–50.

Добавлено: 4 сентября 2021 г.

Detecting Automatically Managed Accounts in Online Social Networks: Graph Embeddings Approach

Карпов И. А., Глазкова Е. В., , in: Recent Trends in Analysis of Images, Social Networks and Texts. 9th International Conference, AIST 2020, Skolkovo, Moscow, Russia, October 15–16, 2020 Revised Supplementary ProceedingsVol. 12602.: Springer, 2021. P. 11–21.

Добавлено: 19 июня 2021 г.

Fusion of text and graph information for machine learning problems on networks

Макаров И. А., Макаров М. С., Киселёв Д. А., PeerJ Computer Science 2021 Vol. 7 Article e526

Today, increased attention is drawn towards network representation learning, a technique that maps nodes of a network into vectors of a low-dimensional embedding space. A network embedding constructed this way aims to preserve nodes similarity and other specific network properties. Embedding vectors can later be used for downstream machine learning problems, such as node classification, ...

Добавлено: 31 марта 2021 г.

Large-Scale and Distributed Optimization

Giselsson P., Rantzer A., Springer, 2018.

Добавлено: 29 октября 2020 г.

Survey on graph embeddings and their applications to machine learning problems on graphs

Макаров И. А., Киселёв Д. А., Nikitinsky N. и др., PeerJ Computer Science 2021 Vol. 7 P. 1–62

Dealing with relational data always required significant computational resources, domain expertise and task-dependent feature engineering in order to incorporate structural information into predictive model. Nowadays, a family of automated graph feature engineering techniques have been proposed in different streams of literature. So-called graph embeddings provide a powerful tool to construct vectorized feature spaces for graphs ...

Добавлено: 27 октября 2020 г.

GSM: Inductive Learning on Dynamic Graph Embeddings

Ананьева М. Е., Макаров И. А., Pendiukhov M., , in: Network Algorithms, Data Mining, and Applications. Springer Proceedings in Mathematics & Statistics.: Springer, 2020. P. 85–99.

In this paper, we study the problem of learning graph embeddings for dynamic networks and the ability to generalize to unseen nodes called inductive learning. Firstly, we overview the state-of-the-art methods and techniques for constructing graph embeddings and learning algorithms for both transductive and inductive approaches. Secondly, we propose an improved GSM based on GraphSAGE ...

Добавлено: 27 февраля 2020 г.

Adapting the Graph2Vec Approach to Dependency Trees for NLP Tasks

Дурандин О. В., Малафеев А. Ю., , in: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Kazan, Russia, July 17–19, 2019, Revised Selected Papers. Communications in Computer and Information ScienceVol. 1086.: Springer, 2020. P. 120–131.

Добавлено: 16 ноября 2019 г.

On the multipacking number of grid graphs

Боду Л., Brewster R., Discrete Mathematics and Theoretical Computer Science 2019 Vol. 21 No. 3 P. 1–13

Добавлено: 7 июня 2019 г.

L-functions of Carlitz modules, resultantal varieties and rooted binary trees

Logachev D., Aleksey Zobnin, / Series math "arxiv.org". 2016.

Добавлено: 26 ноября 2017 г.

Submodular decomposition framework for inference in associative Markov networks with global constraints

Осокин А. А., Ветров Д. П., Kolmogorov V., , in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2011).: Colorado Springs: IEEE, 2011. P. 1889–1896.

Добавлено: 18 октября 2017 г.