論文の概要: Locating the source of interacting signal in complex networks

• arxiv url: http://arxiv.org/abs/2012.02039v1
• Date: Thu, 3 Dec 2020 16:23:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-22 05:16:01.286230
• Title: Locating the source of interacting signal in complex networks
• Title（参考訳）: 複雑なネットワークにおける相互作用信号源の同定
• Authors: Robert Paluch, Krzysztof Suchecki, Janusz A. Ho{\l}yst
• Abstract要約: 私たちは、自己相互作用を伴うプロセスの例として、よく知られた噂モデルを使用します。 我々はPinto-Thiran-Vettarli(LPTV)とGradient Likelihood(GMLA)の3つのソースローカライゼーションアルゴリズムを比較した。
• 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: We investigate the problem of locating the source of a self-interacting signal spreading in a complex networks. We use a well-known rumour model as an example of the process with self-interaction. According to this model based on the SIR epidemic dynamics, the infected nodes may interact and discourage each other from gossiping with probability $\alpha$. We compare three algorithms of source localization: Limited Pinto-Thiran-Vettarli (LPTV), Gradient Maximum Likelihood (GMLA) and one based on Pearson correlation between time and distance. The results of numerical simulations show that additional interactions between infected nodes decrease the quality of LPTV and Pearson. GMLA is the most resistant to harmful effects of the self-interactions, which is especially visible for medium and high level of stochasticity of the process, when spreading rate is below 0.5. The reason for this may be the fact that GMLA uses only the nearest observers, which are much less likely affected by the interactions between infected nodes, because these contacts become important as the epidemics develops and the number of infected agents increases.
• Abstract（参考訳）: 本研究では,複雑なネットワーク上での自己対話的信号伝達源の同定について検討する。 私たちは、自己相互作用を伴うプロセスの例として、よく知られた噂モデルを使用します。 SIR流行のダイナミクスに基づくこのモデルによれば、感染したノードは相互作用し、確率$\alpha$のゴシップを阻止することができる。 我々はPinto-Thiran-Vettarli(LPTV)とGradient Maximum Likelihood(GMLA)の3つのソースローカライゼーションアルゴリズムを比較した。 数値シミュレーションの結果,感染ノード間の相互作用がLPTVとピアソンの品質を低下させることが示された。 gmlaは自己相互作用の有害な影響に対して最も耐性があり、拡散速度が0.5未満の場合には特に中・高レベルの確率性を示す。 この理由はgmlaが最も近い観察者のみを使用しており、感染したノード間の相互作用の影響を受けにくいためかもしれない。

関連論文リスト

• Contagion Effect Estimation Using Proximal Embeddings [17.483428990993744]
  感染効果は、ソーシャルネットワークにおける個人の結果に対する仲間の行動の因果効果を指す。 既存のプロキシベースの感染効果推定法は、プロキシが高次元である場合、非常に高いばらつきを持つ。 本稿では,変分オートエンコーダと対向ネットワークを統合した新しいフレームワーク Proximal Embeddings (ProEmb) を提案する。
  論文  参考訳（メタデータ） (2023-06-04T20:55:13Z)
• Distributed Learning over Networks with Graph-Attention-Based Personalization [49.90052709285814]
  分散ディープラーニングのためのグラフベースパーソナライズアルゴリズム(GATTA)を提案する。 特に、各エージェントのパーソナライズされたモデルは、グローバルな部分とノード固有の部分で構成される。 グラフ内の各エージェントを1つのノードとして扱うことにより、ノード固有のパラメータを特徴として扱うことにより、グラフアテンション機構の利点を継承することができる。
  論文  参考訳（メタデータ） (2023-05-22T13:48:30Z)
• Time delay multi-feature correlation analysis to extract subtle dependencies from EEG signals [0.8702432681310399]
  脳波(EEG)信号は、非常に複雑な脳活動の結果である。 この隠れた力学のいくつかの詳細は、例えば、結合分布$rho_Delta t$のような様々な時間遅延によってシフトした電極対の信号を通してアクセスすることができる(lag $Delta t)。
  論文  参考訳（メタデータ） (2023-04-24T11:10:41Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• Personalized Decentralized Multi-Task Learning Over Dynamic Communication Graphs [59.96266198512243]
  本稿では,正と負の相関関係を持つタスクに対する分散・フェデレーション学習アルゴリズムを提案する。 本アルゴリズムでは,タスク間の相関関係を自動的に計算し,コミュニケーショングラフを動的に調整して相互に有益なタスクを接続し,互いに悪影響を及ぼす可能性のあるタスクを分離する。 合成ガウスデータセットと大規模セレブ属性(CelebA)データセットについて実験を行った。
  論文  参考訳（メタデータ） (2022-12-21T18:58:24Z)
• A Markov Decision Process Framework for Efficient and Implementable Contact Tracing and Isolation [18.740978811360783]
  本稿では,接触追跡の問題点を定式化するためのマルコフ決定プロセスフレームワークを提案する。 このアルゴリズムが、孤立した個体数を制限しながら、流行曲線を曲げるのにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2021-12-31T16:54:30Z)
• ACE: A Novel Approach for the Statistical Analysis of Pairwise Connectivity [0.0]
  本稿では, スパイクイベント(ACE)における接続性解析のための統計的アプローチを提案する。 ACEはソースとターゲットニューロンの任意のペアを計算し、その後のソースとターゲットのスパイク間の遅延を計算します。 PearsonのChi-squaredテスト統計に基づいてペア接続を推定する。
  論文  参考訳（メタデータ） (2021-08-09T18:27:52Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)

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。