気になったポスター

IPのBranch&Broundを、GCNNを使って決定するという論文。なんでGCNNなのか結局ポスターを見る限りはわからなかった。比較対象がみんなアで、そんなに強くなさそう感がすごい。

joisino論文。distributed local algorithmという視点がいいし安心の解析がある。

手書きポスターニキ。ERランダムグラフから適当に辺を取り除いたグラフ同士の同型テスト(matching)やSimilarityを求める多項式アルゴリズム・準多項式アルゴリズムを作った。すげ絵

cascading portfolio problemとは、アルゴリズムとテストケースがあり、それぞれのアルゴリズムがどのテストケースをpassするかや、実行時間が分かっているときに、アルゴリズムの順序で、「テストごとの、初めてテストを通過するまでの時間、の和」を最小化するものを求める問題。いろいろなFPTを構成いている。なぜNIPSに出した。

Optimal Transportの計算量を久しぶりに改善したらしい。かなりグラフ理論系

点の追加や削除にも対応したFacility Location問題を解いているっぽい。とりあえず愚直よりよい計算量が挙げられたと書いているけど、クエリ毎はうくにきあちゃんだろ。

Universal Approximation Theorem for GNNs? 絶対に後で読む。

うわさのpaper. NNの中には構造的に特定の判定問題を得意とするものがありそうで、実際ランダムにネットワークを構築しながら探索する手法で、従来のよりもずっと小規模なネットワークで匹敵する性能のものを発見。

グラフ上のsemi-supervised learningでベンチマークを軒並み改善していそう

特徴のあるグラフについて、そのグラフラプラシアンを解析することで、analyticalに性質を検証するっぽい。

うわさの論文2. 後で読む。

グラフの特徴量をdiffuseしたらいろいろうれしいという論文だった気がする。汎用的手法っぽい。

これかなりすごい。GNNが任意のグラフを識別できることとグラフについての任意の関数を近似できることが等価であることを示したっぽい。後で読む。

よくわからんけどボロノイ図出てきたから興味ある。

タイトル的にかなり面白そう。後で読む。

タイトル的に面白そうでかなり人がいたので写真を撮った。

kNNを学習するのすごい。

ピクセルごとに微妙に加減する攻撃はあるけど、ある関数を作用させる攻撃はあんまりなさそうで、それを考案した。出力画像がなめらかなのが、見た目的な特徴っぽい。

既存のクラスタリングアルゴリズムにえいやっとすると、fairなクラスタリングがほぼ同じ精度でできるっぽい。fairとは、大きさが偏っていないということ

クラスタリングをtime seriesでやるっぽい。内容はしらんけどアイデアおもろそう。

ランダムなネットワークの入力ビットをどれほどflipすると結果が変わるか、そして学習済みモデルだとどうなるか、を調べた論文

Optimal Transportしらんけどグラフの距離を測るのはおもしろい。

上に同じく。

すごく面白い観点からGCNの性質を見ていると思う。後で読みたい。

グラフの距離おもしろい定期。

GNN関係なさすぎるけどこんなことができるのか系。普通にすごすぎる。見世物として完成度高い。

タイトル的にメモ。

上に同じ。そろそろ疲れた。

ポスターやべ〜〜〜〜〜。今度読むかも