Zur Startseite von DrArbeit.de,
der deutschlandweiten Stellenbörse für Diplomarbeiten und Doktorarbeiten


Lupe2

Archiv - Stellenangebot

 

Dies ist ein Angebot aus der Datenbank von DrArbeit.de

Um die Datenbank komfortabel nach weiteren Angeboten durchsuchen zu können, klicken Sie einfach oben oder hier.

 
Archiv-Übersicht     Angebot Nr. 13073

Angebotsdatum: 8. Oktober 2018
Art der Stelle: Doktorarbeit
Fachgebiet: Informatik > Sonstiges
Titel des Themas: Learning Graph Embeddings for Topology Prediction

Institut: Data und Web Science
Adresse:
Prof. Margret Keuper
A5
68159 Mannheim
Tel.:    Fax.:
Bundesland: Baden-Württemberg
Homepage:
E-Mail Kontakt: mail

Beschreibung: Die ausgeschriebene Arbeit beschäftigt sich mit dem Lernen effizienter Embeddings für Graph-Topologien mit Anwendungen unter Anderem in der Computer Vision und im Bereich "Learning to learn". Nachdem bei der Wahl geeigneter Graphdarstellungen (Embeddings) zunächst heuristische Ansätze, wie z.B. “Random Walk Coding” [EMB4], verwendet wurden, hat es jüngst große Fortschritte bei datengetriebenen, problemspezifischen Embeddings gegeben. Methoden wie Node2Vec [EMB1] oder Graph2Vec [EMB2] verwenden unüberwachte Lernverfahren um aus einer großen Menge von Beispieldaten generalisierbare Embeddings zu generieren. Niepert et al. [EMB5] linearisieren bestimmte Graph-Nachbarschaften heuristisch so, dass konventionelle 1D Netzwerke zum überwachten Lernen genutzt werden können, während Simonovsky et al. [EMB3] die Faltungsoperation auf Graphnachbarschaften generalisieren. Diese erfolgversprechenden, generellen Graph-Ansätze sollen auf DNN Topologien und deren Optimierung angewandt werden.
Methoden: Deep Convolutional Neural Networks, Graph Convolutions
Anfangsdatum: 8. Oktober 2018
Geschätzte Dauer: 3 Jahre
Bezahlung: TVL13
Papers: [EMB1] Grover, Aditya, and Jure Leskovec. "node2vec: Scalable feature learning for networks." Proceedings of the 22nd ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2016.
[EMB2] Narayanan, Annamalai, et al. "graph2vec: Learning Distributed Representations of Graphs." arXiv preprint arXiv:1707.05005 (2017).
[EMB3] Simonovsky, Martin, and Nikos Komodakis. "Dynamic Edge-Conditioned Filters in Convolutional Neural Networks on Graphs." arXiv preprint arXiv:1704.02901 (2017).
[EMB4] L. Backstrom and J. Leskovec. Supervised random walks: predicting and recommending links in social networks. In WSDM, 2011.
[EMP5] Niepert, M., Ahmed M., and Kutzkov K. Learning convolutional neural networks for graphs. Proceedings of the 33rd annual international conference on machine learning 2016. ACM.
Sonstiges:

Archiv-Übersicht