Визуализация данных
Применение гиперграфов в машинном обучении
Управление рисками, визуальная классификация, обнаружение COVID-19 и многие другие варианты использования
Многие реальные проблемы более сложны, чем могут быть смоделированы с помощью простого графика. Гиперграфы — это более общий термин, чем графы, и они могут моделировать сложные сети. Гиперграфы широко используются для моделирования взаимодействия генов, компьютерных сетей, управления рисками, визуальной классификации и социальных сетей. В гиперграфах ребра, так называемые гиперребра, могут соединять более двух вершин, в отличие от графа, где ребро может соединять только две вершины. Это означает, что гиперграф расширяет определение ребра до гиперребра, соединяя множество вершин.
В отличие от гиперграфов, отношение в регулярном графе определяется парами. Парные отношения или взаимодействия не помогают объяснить взаимодействия более высокого порядка между вершинами для некоторых инженерных задач. Информация теряется при преобразовании взаимодействий более высокого порядка в парные взаимодействия между двумя вершинами.
Гиперграфы могут отображать групповые отношения и, таким образом, имеют множество применений при решении технических проблем. Реальными примерами гиперграфов являются социальные сети, такие как Facebook или Linkedin. Каждый пользователь — это вершина, которая может быть частью группы. Группа является гиперребром. Упрощение взаимодействий более высокого порядка в гиперграфе имеет решающее значение и не всегда имеет свойство обращения. Анализ центральности сети, такой как центральность собственного вектора или промежуточности, нельзя однозначно перенести с обычных графиков на гиперграфы, и его необходимо корректировать в зависимости от вашей интерпретации. Ниже приведены некоторые приложения, которые используют гиперграфы для решения своих задач.
Гиперграф для управления рисками в критической инфраструктуре
Системы критической инфраструктуры, такие как SCADA (диспетчерское управление и сбор данных), которые контролируют и контролируют распределенные системы, такие как газопроводы или системы управления железной дорогой, являются сложными и содержат много взаимозависимых компонентов. Все компоненты также имеют групповую зависимость. Гиперребро соединяет группу компонентов, представляющих функциональные возможности.
Группа компонентов может быть источником атаки на систему безопасности, которая наносит ущерб всей системе. Отказ компонентов также может быть источником сбоев системы, которые необходимо оценивать во время анализа рисков. Дефектная часть сначала влияет на группу компонентов, представляющих функциональные возможности, а затем влияет на всю систему.
Гиперграф для визуальной классификации
Сложные взаимосвязи между собранными данными датчиков не позволяют моделировать систему простыми графами попарными отношениями. Гиперграфики могут моделировать сильно коррелированные данные. Визуальные данные взаимозависимы и коррелируют во многих областях в зависимости от воздействия на окружающую среду. Согласно Hypergraph-Induced Convolutional Networks, классификация данных — это корреляция данных более высокого порядка. Процесс обучения оптимизирует корреляцию более высокого порядка в данных изображения.
Гиперграф для идентификации вируса COVID-19
Пандемия короны стала глобальным кризисом с 2019 года и значительно изменила нашу жизнь. Компьютерная томография использовалась в начале пандемии для быстрого обнаружения коронавируса. Моделирование с помощью гиперграфа может помочь отличить COVID-19 от других заболеваний легких. В этом документе показано, как использовать гиперграф для различения заболевания COVID-19 в процедуре компьютерной томографии.
Гиперграфы в биологических сетях
Благодаря свойству многолучевых отношений гиперграфы подходят для моделирования белковых комплексов и метаболических реакций, как показано в этой статье. Биологические системы имеют сложные сети взаимодействующих объектов. Согласно статье, сравнение различных гиперграфов позволяет выявить неизвестные признаки вирусной инфекции.
