論文の概要: Power law dynamics in genealogical graphs
- arxiv url: http://arxiv.org/abs/2010.05463v3
- Date: Fri, 4 Mar 2022 23:10:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 07:18:29.228984
- Title: Power law dynamics in genealogical graphs
- Title（参考訳）: 系図におけるパワーローダイナミクス
- Authors: Francisco Leonardo Bezerra Martins, Jos\'e Cl\'audio do Nascimento
- Abstract要約: いくつかの個体群における個人の影響を測定し、その進化のダイナミクスを研究するためにアルゴリズムを用いる。
観測された電力法則の出現は時間とともに動的に振舞うことを示す。
また、エリート主義が観測されたパワー・ロー・スケーリング・ファクターに大きな影響を及ぼす証拠を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Several populational networks present complex topologies when implemented in
evolutionary algorithms. A common feature of these topologies is the emergence
of a power law. Power law behavior with different scaling factors can also be
observed in genealogical networks, but we still can not satisfactorily describe
its dynamics or its relation to population evolution over time. In this paper,
we use an algorithm to measure the impact of individuals in several numerical
populations and study its dynamics of evolution through nonextensive
statistics. Like this, we show evidence that the observed emergence of power
law has a dynamic behavior over time. This dynamic development can be described
using a family of q-exponential distributions whose parameters are
time-dependent and follow a specific pattern. We also show evidence that
elitism significantly influences the power law scaling factors observed. These
results imply that the different power law shapes and deviations observed in
genealogical networks are static images of a time-dependent dynamic development
that can be satisfactorily described using q-exponential distributions.
- Abstract（参考訳）: いくつかの集団ネットワークは、進化アルゴリズムで実装された複雑なトポロジーを示す。
これらのトポロジの共通する特徴は、権力法則の出現である。
異なるスケーリング要因を持つパワーローの挙動は、系譜ネットワークでも観察できるが、そのダイナミクスや時間とともに人口の進化との関係を十分に説明できない。
本稿では, 人口数における個人の影響を計測するアルゴリズムを用い, 非指数統計による進化のダイナミクスについて検討する。
このように、観測された力の法則の出現が時間とともに動的に振舞うことを示す。
この動的展開は、パラメータが時間依存で特定のパターンに従う q-指数分布の族を用いて記述することができる。
また,エリートズムがパワーロースケーリング因子に大きく影響することを示す。
これらの結果は、系図ネットワークで観測される異なる動力法則形状と偏差が、q指数分布を用いて満足できる時間依存動的発展の静的画像であることを示している。
関連論文リスト
- Analyzing Neural Scaling Laws in Two-Layer Networks with Power-Law Data Spectra [0.0]
ニューラルスケーリング法則は、深層ニューラルネットワークのパフォーマンスが、トレーニングデータサイズ、モデルの複雑さ、トレーニング時間などの重要な要因とどのようにスケールするかを記述する。
我々は, 統計力学の手法を用いて, 生徒-教員間の一パス勾配勾配を解析する。
論文 参考訳（メタデータ） (2024-10-11T17:21:42Z) - Nested replicator dynamics, nested logit choice, and similarity-based learning [56.98352103321524]
我々は,分割型類似性構造を持つアクションセットを持つゲームにおいて,学習と進化のモデルを考える。
このモデルでは、修正エージェントは現在の戦略と類似とみなす他の戦略を比較する確率が高い。
同様の戦略に対するこの暗黙の偏見のため、結果として生じる力学は模倣ゲーム力学の標準的な単調性合理性のいずれかを満たすことができない。
論文 参考訳（メタデータ） (2024-07-25T07:09:53Z) - Out-of-Distribution Generalized Dynamic Graph Neural Network with
Disentangled Intervention and Invariance Promotion [61.751257172868186]
動的グラフニューラルネットワーク(DyGNN)は、グラフと時間力学を利用して強力な予測能力を実証している。
既存のDyGNNは、動的グラフに自然に存在する分散シフトを処理できない。
論文 参考訳（メタデータ） (2023-11-24T02:42:42Z) - SEGNO: Generalizing Equivariant Graph Neural Networks with Physical
Inductive Biases [66.61789780666727]
等変性を維持しながら, 2階連続性をGNNに組み込む方法を示す。
また、SEGNOに関する理論的知見も提供し、隣接する状態間の一意の軌跡を学習できることを強調している。
我々のモデルは最先端のベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2023-08-25T07:15:58Z) - Dynamic Causal Explanation Based Diffusion-Variational Graph Neural
Network for Spatio-temporal Forecasting [60.03169701753824]
時間予測のための動的拡散型グラフニューラルネットワーク(DVGNN)を提案する。
提案したDVGNNモデルは最先端のアプローチよりも優れ,Root Mean Squared Errorの結果が優れている。
論文 参考訳（メタデータ） (2023-05-16T11:38:19Z) - Curvature-informed multi-task learning for graph networks [56.155331323304]
最先端のグラフニューラルネットワークは、複数の特性を同時に予測しようとする。
この現象の潜在的な説明として、各特性の損失面の曲率が大きく異なり、非効率な学習につながる可能性がある。
論文 参考訳（メタデータ） (2022-08-02T18:18:41Z) - Learning the Evolutionary and Multi-scale Graph Structure for
Multivariate Time Series Forecasting [50.901984244738806]
時系列の進化的・マルチスケール相互作用をモデル化する方法を示す。
特に、まず、拡張畳み込みと協調して、スケール固有の相関を捉える階層グラフ構造を提供する。
最終的な予測を得るために上記のコンポーネントを統合するために、統合ニューラルネットワークが提供される。
論文 参考訳（メタデータ） (2022-06-28T08:11:12Z) - Coupling Power Laws Offers a Powerful Method for Problems such as
Biodiversity and COVID-19 Fatality Predictions [0.0]
テイラーの権力法則(TPL)は、生物集団の空間的および時間的分布を特徴付けるために初めて発見された。
PLECはパワーロー関数の変種であり、最終的にパワーロー関数の指数的な成長を阻害する。
本稿では,TPLとPLECの結合(積分)により,特定のパワー・ロー現象の予測精度を向上させることを提案する。
論文 参考訳（メタデータ） (2021-05-23T19:07:16Z) - A Survey on Embedding Dynamic Graphs [0.0]
我々は動的グラフ埋め込みを概観し,その基礎と最近の進歩について論じる。
問題設定に焦点をあて,動的グラフ埋め込みの形式的定義を導入する。
我々は、埋め込み、トポロジ的進化による分類、特徴進化、ネットワーク上のプロセスによって包含される様々な動的挙動を探索する。
論文 参考訳（メタデータ） (2021-01-04T20:35:26Z) - Distinct Critical Behaviors from the Same State in Quantum Spin and
Population Dynamics Perspectives [0.0]
スピン系の不連続な相転移は, 個体群から見た場合, 連続的に進行することを示す。
両ケースを包含するより一般的なモデルのクラスを導入し、平均場極限で正確に解くことができる。
数値的な結果は、パワー-ロー相互作用を持つ多くの1次元鎖についても示される。
論文 参考訳（メタデータ） (2020-09-10T18:01:19Z) - Momentum Accelerates Evolutionary Dynamics [4.061135251278187]
運動量によって、レプリカータ方程式やユークリッド勾配降下を含む進化力学の収束が促進されることを示す。
また, これらの力学の収束特性は, 例えば, 岩壁・筋の地形に付随するサイクリングを破ることによって, 運動量によって変化させることができることを示す。
論文 参考訳（メタデータ） (2020-07-05T21:09:30Z)
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。