論文の概要: Mapping Network States Using Connectivity Queries
- arxiv url: http://arxiv.org/abs/2012.03413v3
- Date: Thu, 24 Dec 2020 03:15:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:50:21.425420
- Title: Mapping Network States Using Connectivity Queries
- Title(参考訳): Connectivity Queries を用いたネットワーク状態のマッピング
- Authors: Alexander Rodr\'iguez, Bijaya Adhikari, Andr\'es D. Gonz\'alez,
Charles Nicholson, Anil Vullikanti, B. Aditya Prakash
- Abstract要約: 供給ノードから到達可能なノードのサンプルがあれば、インフラストラクチャネットワークのすべての障害コンポーネントを推測できますか?
この新しい問題を最小記述長(MDL)原理を用いて定式化する。
本アルゴリズムは,地震後の実ネットワークのドメインエキスパートシミュレーションにより評価する。
- 参考スコア(独自算出の注目度): 64.93225229494976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Can we infer all the failed components of an infrastructure network, given a
sample of reachable nodes from supply nodes? One of the most critical
post-disruption processes after a natural disaster is to quickly determine the
damage or failure states of critical infrastructure components. However, this
is non-trivial, considering that often only a fraction of components may be
accessible or observable after a disruptive event. Past work has looked into
inferring failed components given point probes, i.e. with a direct sample of
failed components. In contrast, we study the harder problem of inferring failed
components given partial information of some `serviceable' reachable nodes and
a small sample of point probes, being the first often more practical to obtain.
We formulate this novel problem using the Minimum Description Length (MDL)
principle, and then present a greedy algorithm that minimizes MDL cost
effectively. We evaluate our algorithm on domain-expert simulations of real
networks in the aftermath of an earthquake. Our algorithm successfully identify
failed components, especially the critical ones affecting the overall system
performance.
- Abstract(参考訳): 供給ノードから到達可能なノードのサンプルがあれば、インフラストラクチャネットワークのすべての障害コンポーネントを推測できますか?
自然災害後の破壊後の最も重要なプロセスの1つは、重要なインフラストラクチャーコンポーネントの損傷や故障状態を素早く決定することである。
しかしこれは、破壊的なイベントの後、アクセス可能なコンポーネントや観測可能なコンポーネントはごく一部しかないことを考えると、簡単ではない。
過去の研究は、与えられた点プローブ、すなわち、故障したコンポーネントの推測に取り組んできた。
失敗したコンポーネントの 直接のサンプルで
それとは対照的に、いくつかの'サービス可能な'到達可能なノードと小さな点プローブのサンプルの部分的な情報が与えられた場合、故障したコンポーネントを推測する難しい問題を研究し、しばしばより実用的になる。
この問題を最小記述長(mdl)原理を用いて定式化し、mdlコストを効果的に最小化する欲望アルゴリズムを提案する。
本アルゴリズムは,地震後の実ネットワークのドメインエキスパートシミュレーションにより評価する。
提案アルゴリズムは,故障したコンポーネント,特にシステム全体の性能に影響を及ぼす重要なコンポーネントの同定に成功した。
関連論文リスト
- Mitigating the Effect of Incidental Correlations on Part-based Learning [50.682498099720114]
部分ベースの表現は、より解釈可能で、限られたデータでより一般化できる。
パートベース表現のための2つの革新的な正規化手法を提案する。
我々は、ベンチマークデータセット上の数ショットの学習タスクに対して、最先端(SoTA)パフォーマンスを示す。
論文 参考訳(メタデータ) (2023-09-30T13:44:48Z) - A Fast Algorithm for Moderating Critical Nodes via Edge Removal [19.130541561303293]
対象ノードの情報集中度を最小限に抑えるために,ネットワークから$k$エッジを除去する問題について検討する。
ランダムウォークに基づくシュア補数近似や高速和推定などの新しい手法を用いて、3つの近似グリードアルゴリズムを提案する。
理論的解析を補完するため、100万以上のノードを持つ合成および実ネットワークに関する包括的な実験を行う。
論文 参考訳(メタデータ) (2023-09-09T13:54:34Z) - Quantum amplitude estimation with error mitigation for time-evolving
probabilistic networks [0.0]
ノードのネットワークを考慮し、各ノードは2つの状態(良いか失敗したか)のうちの1つにすることができる。
提案手法は任意の時間ステップで任意のネットワークトポロジを評価できる。
本稿では,現実的な雑音モデルを用いたシミュレータ上での低深さ量子振幅推定結果について述べる。
論文 参考訳(メタデータ) (2023-03-29T10:45:11Z) - Affordance detection with Dynamic-Tree Capsule Networks [5.847547503155588]
視覚入力からの精度検出は、自律的なロボット操作の基本的なステップである。
疎3次元点雲のための動的木構造カプセルをベースとした第1次空隙検出ネットワークを提案する。
このアルゴリズムは、未確認物体の把握に直面する場合、現在の空き検出方法よりも優れている。
論文 参考訳(メタデータ) (2022-11-09T21:14:08Z) - A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。
ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。
その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
論文 参考訳(メタデータ) (2022-09-16T17:20:23Z) - Reliability Assessment of Neural Networks in GPUs: A Framework For
Permanent Faults Injections [1.0992151305603266]
本稿では,GPU上での障害注入キャンペーンを行うための,バイナリインスツルメンテーションツールを利用したフレームワークを提案する。
この環境は、永続的な障害の存在を考慮して、GPU上にデプロイされたCNNの信頼性を初めて評価することを可能にする。
論文 参考訳(メタデータ) (2022-05-24T16:21:53Z) - Identifying critical nodes in complex networks by graph representation
learning [2.304938062591095]
影響は臨界ノードの採掘における主要な問題の一つである。
IMGNNは、ネットワーク内のノードの集中度を入力とし、最適な初期スプレッドラー内のノードを出力とするグラフ学習フレームワークである。
IMGNNは、ヒトベースのアルゴリズムよりも、固定感染規模で初期スプレッドラーのサイズを最小化するのに効率的である。
論文 参考訳(メタデータ) (2022-01-20T03:41:22Z) - Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness [53.351863569314794]
クリティカルノード問題(CNP)は、削除が残余ネットワークのペア接続性を最大に低下させるネットワークから臨界ノードの集合を見つけることを目的としている。
本研究は,ノード表現のための特徴重要度対応グラフアテンションネットワークを提案する。
ダブルディープQネットワークと組み合わせて、初めてCNPを解くエンドツーエンドのアルゴリズムを作成する。
論文 参考訳(メタデータ) (2021-12-03T14:23:05Z) - Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。
GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
論文 参考訳(メタデータ) (2020-06-23T04:13:23Z) - Firearm Detection and Segmentation Using an Ensemble of Semantic Neural
Networks [62.997667081978825]
本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。
特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。
個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
論文 参考訳(メタデータ) (2020-02-11T13:58:16Z)
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。