Conférence

Spectral embedding for graph classification (workshop ERC Nemo Processus ponctuels et graphes aléatoires unimodulaires)

Réalisation : 20 mars 2019 Mise en ligne : 20 mars 2019
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
  • audio 1 audio 2 audio 3
Descriptif

Learning on graphs requires a graph feature representation able to discriminate among different graphs while being amenable to fast computation. The graph isomorphism problem tells us that no fast representation of graphs is known if we require the representation to be both invariant to nodes permutation and able to discriminate two non-isomorphic graphs. Most graph representations explored so far require to be invariant. We explore new graph representations by relaxing this constraint. We present a generic embedding of graphs relying on spectral graph theory called Spectral Graph Embedding (SGE). We show that for a large family of graphs, our embedding is still invariant. To evaluate the quality and utility of our SGE, we apply them to the graph classification problem.

Intervenants
Marc LELARGE


Thèmes
Notice
Lieu de réalisation
Paris
Langue :
Anglais
Crédits
INRIA (Institut national de recherche en informatique et automatique) (Production), INRIA (Institut national de recherche en informatique et automatique) (Publication), François Baccelli (Publication)
Conditions d'utilisation
Droit commun de la propriété intellectuelle
Citer cette ressource:
Inria. (2019, 20 mars). Spectral embedding for graph classification (workshop ERC Nemo Processus ponctuels et graphes aléatoires unimodulaires). [Vidéo]. Canal-U. https://www.canal-u.tv/101425. (Consultée le 9 août 2022)
Contacter
Documentation



Dans la même collection

Sur le même thème