論文の概要: Network control by a constrained external agent as a continuous
optimization problem
- arxiv url: http://arxiv.org/abs/2108.10298v1
- Date: Mon, 23 Aug 2021 17:21:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-24 15:33:25.786478
- Title: Network control by a constrained external agent as a continuous
optimization problem
- Title(参考訳): 連続最適化問題としての制約付き外部エージェントによるネットワーク制御
- Authors: Jannes Nys, Milan van den Heuvel, Koen Schoors, Bruno Merlevede
- Abstract要約: 我々は、ディープラーニングとネットワーク科学の最適化ツールを、現実世界のネットワークにおけるそのような介入を最適化できるフレームワークに統合する。
このフレームワークは、戦略的に重要な企業ネットワークの脆弱性を、機密性の高い乗っ取りに特徴付けることができる。
- 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: Social science studies dealing with control in networks typically resort to
heuristics or describing the static control distribution. Optimal policies,
however, require interventions that optimize control over a socioeconomic
network subject to real-world constraints. We integrate optimisation tools from
deep-learning with network science into a framework that is able to optimize
such interventions in real-world networks. We demonstrate the framework in the
context of corporate control, where it allows to characterize the vulnerability
of strategically important corporate networks to sensitive takeovers, an
important contemporaneous policy challenge. The framework produces insights
that are relevant for governing real-world socioeconomic networks, and opens up
new research avenues for improving our understanding and control of such
complex systems.
- Abstract(参考訳): ネットワークにおける制御を扱う社会科学研究は、通常、ヒューリスティックスや静的制御分布を記述する。
しかし、最適政策は、現実の制約を受ける社会経済ネットワークの制御を最適化する介入を必要とする。
我々は、ディープラーニングとネットワーク科学の最適化ツールを、現実世界のネットワークにおけるそのような介入を最適化できるフレームワークに統合する。
我々は、戦略上重要な企業ネットワークの脆弱性を、重要な同時的政策課題であるセンシティブな買収に特徴付けることができる、企業制御の文脈でこの枠組みを実証する。
このフレームワークは、現実世界の社会経済ネットワークを管理するための洞察を生み出し、このような複雑なシステムの理解と制御を改善するための新しい研究道を開く。
関連論文リスト
- Introducing PetriRL: An Innovative Framework for JSSP Resolution
Integrating Petri nets and Event-based Reinforcement Learning [4.5778421917309915]
ジョブショップスケジューリング問題を解決する革新的なフレームワーク(JSSP)について紹介する。
提案手法では,ペトリネットを利用して求人店をモデル化し,説明性の向上だけでなく,生データの直接的取り込みも実現している。
我々のアプローチは、様々なインスタンスサイズをまたいで一般化する堅牢な能力を示すだけでなく、ペトリネットのグラフの性質を活用してジョブ操作を動的に追加する。
論文 参考訳(メタデータ) (2024-01-23T12:30:49Z) - Attention-based Open RAN Slice Management using Deep Reinforcement
Learning [6.177038245239758]
本稿では,O-RAN分散化モジュールと分散エージェント協調を利用した,革新的アテンションベースディープRL(ADRL)技術を提案する。
シミュレーションの結果,他のDRLベースライン法と比較してネットワーク性能が大幅に向上した。
論文 参考訳(メタデータ) (2023-06-15T20:37:19Z) - Towards Modularity Optimization Using Reinforcement Learning to
Community Detection in Dynamic Social Networks [0.0]
本稿では,強化学習戦略に基づく動的ネットワークにおけるコミュニティ検出問題に対するアプローチを提案する。
合成および実世界の動的ネットワークデータを用いた実験は、静的シナリオに匹敵する結果を示す。
論文 参考訳(メタデータ) (2021-11-25T19:55:57Z) - Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。
私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
論文 参考訳(メタデータ) (2021-11-11T11:31:20Z) - On Telecommunication Service Imbalance and Infrastructure Resource
Deployment [95.80185574417428]
本稿では,通信サービス不均衡,通信インフラ,人口分布の関係を定量的に関連付けることを目的とした,細粒度で計算が容易な不均衡指数を提案する。
また,この指標に基づいて,任意の地理的セグメントの平均不均衡指数を最小化することにより,インフラ資源の展開戦略を提案する。
論文 参考訳(メタデータ) (2021-04-08T17:45:32Z) - Competing Adaptive Networks [56.56653763124104]
適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。
本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
論文 参考訳(メタデータ) (2021-03-29T14:42:15Z) - Decentralized Control with Graph Neural Networks [147.84766857793247]
分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。
GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。
分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
論文 参考訳(メタデータ) (2020-12-29T18:59:14Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳(メタデータ) (2020-10-15T14:12:26Z) - Learning Event-triggered Control from Data through Joint Optimization [7.391641422048646]
イベントトリガー制御戦略のモデルフリー学習のためのフレームワークを提案する。
階層的強化学習に基づく新しいアルゴリズムを提案する。
得られたアルゴリズムは, 資源の節約や非線形・高次元システムへのシームレスなスケールで, 高性能な制御を実現する。
論文 参考訳(メタデータ) (2020-08-11T14:15:38Z) - Decentralized Reinforcement Learning: Global Decision-Making via Local
Economic Transactions [80.49176924360499]
我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。
我々は分散強化学習アルゴリズムのクラスを導出する。
我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
論文 参考訳(メタデータ) (2020-07-05T16:41:09Z) - A machine-learning software-systems approach to capture social,
regulatory, governance, and climate problems [0.0]
本研究は、社会協力型経済集団における国民人口の定量化、社会協力型経済集団における公共満足度、規制命題、ガバナンス効果ドメインといった真の手段として、批判に基づく暗黙的な組織化、および、並列的な政府政策と同期して展開される本質的に必要な装置として、人工的知性コンピュータシステムの役割について論じる。
論文 参考訳(メタデータ) (2020-02-23T13:00:52Z)
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。