論文の概要: Dynamic Community Detection into Analyzing of Wildfires Events

• arxiv url: http://arxiv.org/abs/2011.01140v1
• Date: Mon, 2 Nov 2020 17:31:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 13:17:44.305519
• Title: Dynamic Community Detection into Analyzing of Wildfires Events
• Title（参考訳）: 森林火災イベント解析における動的コミュニティ検出
• Authors: Alessandra Marli, Didier A Vega-Oliveros, Mosh\'e Cotacallapa, Leonardo N Ferreira, Elbert EN Macau, Marcos G Quiles
• Abstract要約: 本研究では,山火事の動態について,動的コミュニティ構造が明らかにする情報について検討する。 アマゾン盆地の火災イベントのMODISデータセットを用いた実験を行った。 以上の結果から,年間を通じて観測される山火事のパターンを明らかにすることが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 55.72431452586636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The study and comprehension of complex systems are crucial intellectual and scientific challenges of the 21st century. In this scenario, network science has emerged as a mathematical tool to support the study of such systems. Examples include environmental processes such as wildfires, which are known for their considerable impact on human life. However, there is a considerable lack of studies of wildfire from a network science perspective. Here, employing the chronological network concept -- a temporal network where nodes are linked if two consecutive events occur between them -- we investigate the information that dynamic community structures reveal about the wildfires' dynamics. Particularly, we explore a two-phase dynamic community detection approach, i.e., we applied the Louvain algorithm on a series of snapshots. Then we used the Jaccard similarity coefficient to match communities across adjacent snapshots. Experiments with the MODIS dataset of fire events in the Amazon basing were conducted. Our results show that the dynamic communities can reveal wildfire patterns observed throughout the year.
• Abstract（参考訳）: 複雑なシステムの研究と理解は21世紀の重要な知的・科学的課題である。 このシナリオでは、ネットワーク科学はそのようなシステムの研究を支援する数学的ツールとして登場した。 例えば、野火のような環境プロセスは、人間の生活に大きな影響を与えることで知られている。 しかし、ネットワーク科学の観点からは、山火事の研究がかなり不足している。 ここでは,2つの連続するイベントが発生した場合にノードがリンクされる時間的ネットワークである時系列ネットワークの概念を用いて,動的コミュニティ構造が山火事のダイナミクスについて明らかにする情報を調べる。 特に,2段階の動的コミュニティ検出手法,すなわち,一連のスナップショットにルービンアルゴリズムを適用した。 次に、Jaccard類似度係数を使用して、隣接スナップショット間のコミュニティをマッチングしました。 アマゾン盆地の火災イベントのMODISデータセットを用いた実験を行った。 その結果, 自然群落は年間を通じて野火のパターンを明らかにすることができた。

関連論文リスト

• Hierarchical Information Enhancement Network for Cascade Prediction in Social Networks [51.54002032659713]
  カスケード予測のための階層型情報拡張ネットワーク(HIENet)を提案する。 本手法では,基本カスケードシーケンス,ユーザソーシャルグラフ,サブカスケードグラフを統合フレームワークに統合する。
  論文  参考訳（メタデータ） (2024-03-22T14:57:27Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• On-board Volcanic Eruption Detection through CNNs and Satellite Multispectral Imagery [59.442493247857755]
  著者らは、最初のプロトタイプと、AIモデルが“ロード”される可能性の研究を提案している。 ケーススタディでは,早期に警報を発生させる方法として,火山噴火の検出について検討することにした。 2つの畳み込みニューラルネットワークが提案され、作成され、実際のハードウェア上でそれらを正しく実装する方法も示されている。
  論文  参考訳（メタデータ） (2021-06-29T11:52:43Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Reconstructing shared dynamics with a deep neural network [0.0]
  本稿では,時系列から隠れた共有ダイナミクスを2モジュールのフィードフォワードニューラルネットワークアーキテクチャにより同定する手法を提案する。 この手法は、実験的な介入が不可能な力学系の隠れた構成要素を明らかにする可能性がある。
  論文  参考訳（メタデータ） (2021-05-05T20:55:53Z)
• Dynamic Network Embedding Survey [11.742863376032112]
  本稿では,動的ネットワークの埋め込みに関する調査を行う。 動的ネットワークのための2つの基本データモデル、すなわち離散モデルと連続モデルを提案する。 典型的な学習モデルによって分類階層を洗練させる分類法を構築する。
  論文  参考訳（メタデータ） (2021-03-29T09:27:53Z)
• Convolutional LSTM Neural Networks for Modeling Wildland Fire Dynamics [0.0]
  森林火災伝播のダイナミクスをモデル化するために,畳み込み長短期記憶リカレントニューラルネットワークの有効性を評価する。 その結果,convlstmsは局所的な火災伝達イベントを捕捉できるだけでなく,火の拡散率など全体の火災動態を把握できることがわかった。
  論文  参考訳（メタデータ） (2020-12-11T23:31:43Z)
• Laplacian Change Point Detection for Dynamic Graphs [10.556288610354997]
  各スナップショットにおけるグラフ構造のラプラシアン行列のスペクトルを用いて低次元埋め込みを求めるラプラシアン異常検出(Laplacian Anomaly Detection,LAD)を提案する。 合成実験では、LADは最先端の手法よりも優れている。 また,UCIメッセージネットワーク,米国上院共同責任ネットワーク,カナダ紙幣投票ネットワークの3つの実動的ネットワーク上で,本手法の評価を行った。
  論文  参考訳（メタデータ） (2020-07-02T16:24:24Z)
• Deep Learning for Community Detection: Progress, Challenges and Opportunities [79.26787486888549]
  この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。 この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
  論文  参考訳（メタデータ） (2020-05-17T11:22:11Z)
• Community Detection Clustering via Gumbel Softmax [0.0]
  本稿では,様々なグラフデータセットのノードをクラスタリングするコミュニティ検出手法を提案する。 ネットワーク内のノード間の相互作用をモデル化する深層学習の役割は、グラフネットワーク分析に関連する科学の分野に革命をもたらす。
  論文  参考訳（メタデータ） (2020-05-05T17:55:31Z)

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。