Skip to Main content Skip to Navigation
Conference papers

Transport Optimal entre Graphes exploitant la Diffusion de la Chaleur

Amélie Barbe 1 Marc Sebban 2 Paulo Gonçalves 1 Pierre Borgnat 3 Rémi Gribonval 1
1 DANTE - Dynamic Networks : Temporal and Structural Capture Approach
Inria Grenoble - Rhône-Alpes, LIP - Laboratoire de l'Informatique du Parallélisme, IXXI - Institut Rhône-Alpin des systèmes complexes
Résumé : Le Transport Optimal entre données structurées pour l'apprentissage a fait l'objet de nombreusesétudes, notamment pour traiter des tâches de classification ou d'apprentissage par transfert entre graphes. Dans cet article, nous introduisons la distance de Wasserstein de diffusion (DW) qui généralise la distance classique de Wasserstein aux graphes attribués non-orientés connexes. DW exploite la diffusion de la chaleur sur le laplacien du graphe pour capturer de l'information non seulement au niveau des attributs des noeuds maiségalement sur la structure du graphe. Nouś etudions le comportement asymptotique de DW et montrons que cette distance peutêtre directement exploitée dans la distance Fused Gro-mov Wasserstein, récemment proposée dans la littérature, donnant ainsi naissanceà une nouvelle famille de distances entre graphes, appelée DifFused Gromov Wasserstein. Nous montrons que ces dernières permettent de significativement améliorer l'état de l'art sur des tâches d'adaptation de domaine sur graphes par transport optimal.
Complete list of metadatas

https://hal.inria.fr/hal-02794961
Contributor : Paulo Gonçalves <>
Submitted on : Tuesday, June 9, 2020 - 3:45:04 PM
Last modification on : Wednesday, July 8, 2020 - 12:43:31 PM

Identifiers

  • HAL Id : hal-02794961, version 1

Citation

Amélie Barbe, Marc Sebban, Paulo Gonçalves, Pierre Borgnat, Rémi Gribonval. Transport Optimal entre Graphes exploitant la Diffusion de la Chaleur. Conférence sur l'Apprentissage Automatique, 2020, Vannes, France. ⟨hal-02794961⟩

Share

Metrics

Record views

22