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

• Adaptive Network Intervention for Complex Systems: A Hierarchical Graph Reinforcement Learning Approach [0.8287206589886879]
  本稿では,階層型グラフ強化学習フレームワークについて紹介する。 低い社会的学習の下では、HGRLマネージャは協力を維持し、コオペレーターが支配する堅牢なコア周辺ネットワークを形成する。 対照的に、高い社会的学習の欠陥は加速し、スパサーやチェーンのようなネットワークへと繋がる。
  論文  参考訳（メタデータ） (2024-10-30T18:59:02Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• A Survey of Network Requirements for Enabling Effective Cyber Deception [0.0]
  本稿では,有効なサイバー詐欺手法の実装に不可欠なネットワーク要件について検討する。 多様なネットワークアーキテクチャとトポロジに注目して、ネットワーク特性と偽装機構の展開の間の複雑な関係を掘り下げる。
  論文  参考訳（メタデータ） (2023-09-01T00:38:57Z)
• 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)
• 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)
• 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。