論文の概要: Being Central on the Cheap: Stability in Heterogeneous Multiagent Centrality Games

• arxiv url: http://arxiv.org/abs/2011.13163v1
• Date: Thu, 26 Nov 2020 07:39:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 12:24:24.886238
• Title: Being Central on the Cheap: Stability in Heterogeneous Multiagent Centrality Games
• Title（参考訳）: 安価中心であること--異種多エージェント集中型ゲームにおける安定性
• Authors: Gabriel Istrate and Cosmin Bonchi\c{s}
• Abstract要約: 本研究では,ネットワーク中心性を最大化するために,エージェントが(コスト的に)リンクを形成しようとする戦略的ネットワーク形成ゲームについて検討する。 ネットワーク中央性に対する公理的なアプローチにより、中央性ユーティリティ関数の豊富な組み合わせに対して安定したネットワークを予測できる。 モデル上の単純なバリエーションは普遍的であり、すなわち、全てのネットワークが安定したネットワークである可能性があることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study strategic network formation games in which agents attempt to form (costly) links in order to maximize their network centrality. Our model derives from Jackson and Wolinsky's symmetric connection model, but allows for heterogeneity in agent utilities by replacing decay centrality (implicit in the Jackson-Wolinsky model) by a variety of classical centrality and game-theoretic measures of centrality. We are primarily interested in characterizing the asymptotically pairwise stable networks, i.e. those networks that are pairwise stable for all sufficiently small, positive edge costs. We uncover a rich typology of stability: - we give an axiomatic approach to network centrality that allows us to predict the stable network for a rich set of combination of centrality utility functions, yielding stable networks with features reminiscent of structural properties such as "core periphery" and "rich club" networks. - We show that a simple variation on the model renders it universal, i.e. every network may be a stable network. - We also show that often we can infer a significant amount about agent utilities from the structure of stable networks.
• Abstract（参考訳）: エージェントがネットワーク中心性を最大化するために(コスト的に)リンクを形成しようとする戦略的ネットワーク形成ゲームについて検討する。 我々のモデルはジャクソンとウォリンスキーの対称接続モデルから派生しているが、減衰中心性(ジャクソン=ウォリンスキーモデルに導入された)を古典的中心性やゲーム理論的中心性に置き換えることで、エージェントユーティリティの多様性を可能にしている。 我々は、漸近的に対角安定なネットワーク、すなわち、十分に小さな正のエッジコストに対して対角安定なネットワークを特徴づけることに主に関心を持っている。 ネットワーク中央性(英語版)に対する公理的アプローチにより、中央性ユーティリティ関数の豊富な組み合わせに対する安定したネットワークを予測し、"コア周辺"や"リッチクラブ"ネットワークのような構造特性を連想させる特徴を持つ安定したネットワークを得る。 すなわち、すべてのネットワークが安定したネットワークである可能性がある。 -また、安定したネットワークの構造からエージェントユーティリティのかなりの量を推測できることもしばしば示します。

関連論文リスト

• Uncovering the hidden core-periphery structure in hyperbolic networks [0.0]
  双曲型ネットワークモデルは、小さな世界性、スケール自由性、高いクラスタリング係数、コミュニティ構造など、基本的で不可欠な特徴を示す。 本稿では,双曲型ネットワークモデルにおける重要な特徴であるコア周辺構造の存在について検討する。
  論文  参考訳（メタデータ） (2024-06-28T14:39:21Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• $(n,m,p)$-type quantum network configuration and its nonlocality [0.0]
  遠方ノード間の量子ネットワーク共有絡み線源により、適切な測定により、ネットワークに沿った絡線を分散することができる。 ネットワーク非局所性は、独立したソースから出力されるローカル変数を含むネットワークモデルを認めないことを意味する。
  論文  参考訳（メタデータ） (2024-04-02T13:54:32Z)
• Predicting Instability in Complex Oscillator Networks: Limitations and Potentials of Network Measures and Machine Learning [0.0]
  我々は46の関連するネットワーク測度を収集し、小さなサブセットが安定性を確実に予測できないことを発見した。 GNNの性能は、すべてのネットワーク測度とノードワイズ機械学習を組み合わせることでのみ一致できる。 このことは,ネットワーク計測と関数の相関関係が誤解を招く可能性があり,GNNが構造と安定性の因果関係をかなりよく捉えていることを示唆している。
  論文  参考訳（メタデータ） (2024-02-27T13:34:08Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
  平均フィールドゲームフレームワークにネットワーク通信を導入する。 当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。
  論文  参考訳（メタデータ） (2023-06-05T10:45:39Z)
• Predicting Dynamic Stability from Static Features in Power Grid Models using Machine Learning [0.0]
  本稿では,ネットワーク科学のメトリクスと機械学習モデルを組み合わせて,非同期イベントのリスクを予測する。 我々は、複数の合成試験格子からシミュレーションデータを用いて、そのようなモデルを訓練し、テストする。 統合モデルでは,すべてのデータセットを平均化した場合の平均精度が0.996$以上のデシンクロナイゼーションイベントを予測できることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T17:16:48Z)
• Stability of Neural Networks on Manifolds to Relative Perturbations [118.84154142918214]
  グラフニューラルネットワーク(GNN)は多くの実践シナリオにおいて素晴らしいパフォーマンスを示している。 GNNは大規模グラフ上でうまくスケールすることができるが、これは既存の安定性がノード数とともに増加するという事実に矛盾する。
  論文  参考訳（メタデータ） (2021-10-10T04:37:19Z)
• Do Wider Neural Networks Really Help Adversarial Robustness? [92.8311752980399]
  モデルロバスト性は自然精度と摂動安定性のトレードオフと密接に関係していることを示す。 本稿では,ワイドモデル上でラムダ$を適応的に拡大するWidth Adjusted Regularization(WAR)手法を提案する。
  論文  参考訳（メタデータ） (2020-10-03T04:46:17Z)
• Monotone operator equilibrium networks [97.86610752856987]
  我々はモノトン作用素の理論に基づく新しい暗黙深度モデル、モノトン演算子平衡ネットワーク(monDEQ)を開発した。 暗黙的ネットワークの平衡点の発見と単調作用素分割問題の解法との密接な関係を示す。 次に、ネットワークのパラメータ化を開発し、全ての作用素が単調であり続けることを保証し、ユニークな平衡点の存在を保証する。
  論文  参考訳（メタデータ） (2020-06-15T17:57:31Z)

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。