論文の概要: Propagation for Dynamic Continuous Time Chain Event Graphs

• arxiv url: http://arxiv.org/abs/2006.15865v1
• Date: Mon, 29 Jun 2020 08:24:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 13:29:20.730744
• Title: Propagation for Dynamic Continuous Time Chain Event Graphs
• Title（参考訳）: 動的連続時間連鎖イベントグラフの伝播
• Authors: Aditi Shenvi and Jim Q. Smith
• Abstract要約: 我々は、離散動的ベイズネットワーク(DBN)に対するKjaerulff (1992) のスキームに類似した、抽出可能な正確な推論スキームを提案する。 我々は,CT-DCEGが,プロセス進化の自然な全順序付けを含む文脈下で,DBNや連続時間BNよりも好ましいことを示す。
• 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: Chain Event Graphs (CEGs) are a family of event-based graphical models that represent context-specific conditional independences typically exhibited by asymmetric state space problems. The class of continuous time dynamic CEGs (CT-DCEGs) provides a factored representation of longitudinally evolving trajectories of a process in continuous time. Temporal evidence in a CT-DCEG introduces dependence between its transition and holding time distributions. We present a tractable exact inferential scheme analogous to the scheme in Kj{\ae}rulff (1992) for discrete Dynamic Bayesian Networks (DBNs) which employs standard junction tree inference by "unrolling" the DBN. To enable this scheme, we present an extension of the standard CEG propagation algorithm (Thwaites et al., 2008). Interestingly, the CT-DCEG benefits from simplification of its graph on observing compatible evidence while preserving the still relevant symmetries within the asymmetric network. Our results indicate that the CT-DCEG is preferred to DBNs and continuous time BNs under contexts involving significant asymmetry and a natural total ordering of the process evolution.
• Abstract（参考訳）: 連鎖イベントグラフ(英語: chain event graphs、cegs)は、非対称状態空間問題によって通常提示される、文脈固有の条件付き独立性を表現するイベントベースのグラフィカルモデル群である。 連続時間動的CEG(CT-DCEG)のクラスは、連続時間におけるプロセスの長手進行軌跡の因子的表現を提供する。 CT-DCEGの時間的証拠は、その遷移と保持時間分布の依存性をもたらす。 本稿では、dbn を「展開」して標準ジャンクションツリー推定を行う離散動的ベイズネットワーク (dbns) に対する kj{\ae}rulff (1992) のスキームに類似した可搬的完全推論スキームを提案する。 本手法を実現するため,標準CEG伝搬アルゴリズムの拡張(Thwaites et al., 2008)を提案する。 興味深いことに、CT-DCEGは、非対称ネットワーク内のまだ関連する対称性を維持しながら、互換性のある証拠を観察する際のグラフの単純化の恩恵を受けている。 以上の結果から,CT-DCEGはDBNや連続時間BNよりも,有意な非対称性とプロセス進化の自然な全順序付けを含む文脈で望ましいことが示唆された。

関連論文リスト

• Clustering Time-Evolving Networks Using the Spatio-Temporal Graph Laplacian [0.8643517734716606]
  我々は既存のスペクトルアルゴリズムを一般化し、時間変化のあるグラフ構造におけるコミュニティを特定し解析する。 テンポラル指向グラフ Laplacian は、有向および無向クラスタの時間経過に伴うクラスタ構造進化の明確な解釈を可能にすることを示す。
  論文  参考訳（メタデータ） (2024-07-12T14:31:54Z)
• Gaussian Embedding of Temporal Networks [12.09704836128003]
  TGNE (textbfTemporal textbfGaussian textbfNetwork textbfEmbedding)は、Latent Space Models (LSM)citeHoff2002および時間グラフ機械学習を介してネットワークの統計解析を橋渡しする。 元のグラフを再構成し、不確実性をモデル化するTGNEの有効性を評価する。
  論文  参考訳（メタデータ） (2024-05-27T15:07:57Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective [63.60312929416228]
  textbftextitAttraosはカオス理論を長期時系列予測に取り入れている。 本研究では,AttraosがPatchTSTと比較して,パラメータの12分の1しか持たない主流データセットやカオスデータセットにおいて,LTSF法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-18T05:35:01Z)
• DD-GCN: Directed Diffusion Graph Convolutional Network for Skeleton-based Human Action Recognition [10.115283931959855]
  Graphal Networks (GCNs) は骨格に基づく人間の行動認識に広く利用されている。 本稿では,行動モデリングのための指向的拡散を構築し,行動分割戦略を導入する。 また、同期時間意味論を組み込むことも提案する。
  論文  参考訳（メタデータ） (2023-08-24T01:53:59Z)
• Space-Time Graph Neural Networks with Stochastic Graph Perturbations [100.31591011966603]
  時空間グラフニューラルネットワーク(ST-GNN)は、時間変動データの効率的なグラフ表現を学習する。 本稿では,ST-GNNの特性を再検討し,安定なグラフ安定性を示す。 解析の結果,ST-GNNは時間変化グラフ上での移動学習に適していることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:59:51Z)
• Persistent Homology of Coarse Grained State Space Networks [1.7434507809930746]
  我々は、トポロジカルデータ解析から永続的ホモロジーを用いて、複雑な遷移ネットワークの構造を研究する。 CGSSNは、基礎となる力学系の動的状態に関する豊富な情報をキャプチャする。
  論文  参考訳（メタデータ） (2022-05-20T15:29:29Z)
• Deep Explicit Duration Switching Models for Time Series [84.33678003781908]
  状態依存型と時間依存型の両方のスイッチングダイナミクスを識別できるフレキシブルモデルを提案する。 状態依存スイッチングは、リカレントな状態-スイッチ接続によって実現される。 時間依存スイッチング動作を改善するために、明示的な期間カウント変数が使用される。
  論文  参考訳（メタデータ） (2021-10-26T17:35:21Z)
• Space-Time Graph Neural Networks [104.55175325870195]
  本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。 解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:08:44Z)
• Out-of-time-order correlations and the fine structure of eigenstate thermalisation [58.720142291102135]
  量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。 我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。 無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
  論文  参考訳（メタデータ） (2021-03-01T17:51:46Z)
• Continuous-Time Bayesian Networks with Clocks [33.774970857450086]
  グラフ結合したセミマルコフ連鎖の集合を構成するために,ノードワイズクロックのセットを導入する。 パラメータと構造推論のためのアルゴリズムを提供し、局所的な依存関係を利用する。
  論文  参考訳（メタデータ） (2020-07-01T09:33:39Z)

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。