論文の概要: A new multilayer network construction via Tensor learning

• arxiv url: http://arxiv.org/abs/2004.05367v1
• Date: Sat, 11 Apr 2020 11:06:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 13:08:57.856502
• Title: A new multilayer network construction via Tensor learning
• Title（参考訳）: テンソル学習による新しい多層ネットワークの構築
• Authors: Giuseppe Brandi and T. Di Matteo
• Abstract要約: 多層ネットワークは、異なる複雑なシステムの依存情報を抽出し、提供するのに適していることが判明した。 本研究では,データから直接多層ネットワークを構築するために,タッカーテンソル自動回帰に基づく新しい手法を提案する。 定常分数差の財務データに対する本手法の適用について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multilayer networks proved to be suitable in extracting and providing dependency information of different complex systems. The construction of these networks is difficult and is mostly done with a static approach, neglecting time delayed interdependences. Tensors are objects that naturally represent multilayer networks and in this paper, we propose a new methodology based on Tucker tensor autoregression in order to build a multilayer network directly from data. This methodology captures within and between connections across layers and makes use of a filtering procedure to extract relevant information and improve visualization. We show the application of this methodology to different stationary fractionally differenced financial data. We argue that our result is useful to understand the dependencies across three different aspects of financial risk, namely market risk, liquidity risk, and volatility risk. Indeed, we show how the resulting visualization is a useful tool for risk managers depicting dependency asymmetries between different risk factors and accounting for delayed cross dependencies. The constructed multilayer network shows a strong interconnection between the volumes and prices layers across all the stocks considered while a lower number of interconnections between the uncertainty measures is identified.
• Abstract（参考訳）: 多層ネットワークは異なる複雑なシステムの依存関係情報の抽出と提供に適していることが判明した。 これらのネットワークの構築は困難であり、主に静的なアプローチで行われ、遅延した相互依存を無視する。 テンソルは自然に多層ネットワークを表すオブジェクトであり,本論文では,データから直接多層ネットワークを構築するために,タッカーテンソル自己回帰に基づく新しい手法を提案する。 この手法は層間の接続を捕捉し、フィルタリング手法を用いて関連情報を抽出し、可視化を改善する。 定常分数差の財務データに対する本手法の適用について述べる。 我々は、金融リスクの3つの異なる側面(市場リスク、流動性リスク、ボラティリティリスク)にまたがる依存関係を理解するのに、この結果が有用であると主張する。 実際、結果の可視化が、さまざまなリスク要因間の依存関係の非対称性と、遅延した相互依存を考慮に入れたリスクマネージャにとって有用なツールであることを示す。 構築された多層ネットワークは,不確実性対策間の相互接続数が低い一方で,全株式の体積層と価格層の間に強い相互接続を示す。

関連論文リスト

• Online Multi-modal Root Cause Analysis [61.94987309148539]
  ルート原因分析(RCA)は、マイクロサービスシステムにおける障害の根本原因の特定に不可欠である。 既存のオンラインRCAメソッドは、マルチモーダルシステムにおける複雑な相互作用を見渡す単一モーダルデータのみを処理する。 OCEANは、根本原因の局在化のための新しいオンラインマルチモーダル因果構造学習手法である。
  論文  参考訳（メタデータ） (2024-10-13T21:47:36Z)
• An Effective-Efficient Approach for Dense Multi-Label Action Detection [23.100602876056165]
  i)時間的依存関係と(ii)共起行動関係を同時に学習する必要がある。 近年のアプローチは階層型トランスフォーマーネットワークによるマルチスケール特徴抽出による時間情報のモデル化である。 我々はこれを階層設計における複数のサブサンプリングプロセスと組み合わせることで、位置情報のさらなる喪失につながると論じている。
  論文  参考訳（メタデータ） (2024-06-10T11:33:34Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• Intrusion Detection using Spatial-Temporal features based on Riemannian Manifold [1.14219428942199]
  ネットワークトラフィックデータは、異なるネットワークプロトコルの下で異なるデータバイトパケットの組み合わせである。 これらのトラフィックパケットは、複雑な時間変化の非線形関係を持つ。 既存の最先端の手法は、相関に基づいて特徴を複数のサブセットに融合することで、この課題に発展する。 これはしばしば、高い計算コストと、ネットワークトラフィックのリアルタイム処理に制限となる手動サポートを必要とする。
  論文  参考訳（メタデータ） (2021-10-31T23:50:59Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• Multilayer Network Analysis for Improved Credit Risk Prediction [5.33024001730262]
  ネットワーク内の任意の借り手のデフォルト露出の強度を定量化できる多層パーソナライズされたPageRankアルゴリズムを開発した。 その結果、デフォルトリスクは、個人が多くのデフォルトデバイスに接続されている場合に最も高いが、このリスクは、個人の近傍のサイズによって軽減される。
  論文  参考訳（メタデータ） (2020-10-19T14:39:53Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• Detecting and adapting to crisis pattern with context based Deep Reinforcement Learning [6.224519494738852]
  本稿では、2つのサブネットワークで構成された革新的なDRLフレームワークを提案する。 テストセットの結果、このアプローチはMarkowitzのような従来のポートフォリオ最適化手法を大幅に上回っており、現在のCovidのような危機を検出し予測することができる。
  論文  参考訳（メタデータ） (2020-09-07T12:11:08Z)
• Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
  我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。 本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
  論文  参考訳（メタデータ） (2020-08-24T09:49:19Z)
• Evolution of Credit Risk Using a Personalized Pagerank Algorithm for Multilayer Networks [5.33024001730262]
  複雑な多層ネットワーク間の信用リスクの進化を研究するための新しいアルゴリズムを提案する。 以上の結果から,ネットワークを通じてネットワークを伝播し,進化する上で,デフォルトリスクが困難な現象であることを示す。
  論文  参考訳（メタデータ） (2020-05-25T21:46:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。