Fugu-MT 論文翻訳(概要): Characterising and modeling the co-evolution of transportation networks and territories

論文の概要: Characterising and modeling the co-evolution of transportation networks and territories

arxiv url: http://arxiv.org/abs/2110.15950v2
Date: Fri, 2 Sep 2022 15:50:19 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 22:39:06.837438
Title: Characterising and modeling the co-evolution of transportation networks and territories
Title（参考訳）: 交通ネットワークと領域の共進化の特徴とモデル化
Authors: Juste Raimbault
Abstract要約: 交通インフラの地域動態に対する構造的影響の同定は依然として未解決の課題である。この問題は、領域とネットワークが共進化する領域力学の複雑さに対するアプローチの1つである。本論の目的は、ネットワークと領域間の相互作用を概念的・実証的なレベルで、領域システムのシミュレーションモデルに統合することで、この視点に挑戦することである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The identification of structuring effects of transportation infrastructure on territorial dynamics remains an open research problem. This issue is one of the aspects of approaches on complexity of territorial dynamics, within which territories and networks would be co-evolving. The aim of this thesis is to challenge this view on interactions between networks and territories, both at the conceptual and empirical level, by integrating them in simulation models of territorial systems.
Abstract（参考訳）: 交通インフラの地域動態に対する構造的影響の同定は、いまだに未解決な研究課題である。この問題は、領土とネットワークが共進化する領域のダイナミクスの複雑さに関するアプローチの側面の1つである。本論の目的は、ネットワークと領域間の相互作用を概念的・実証的なレベルで、領域システムのシミュレーションモデルに統合することで、この視点に挑戦することである。

関連論文リスト

Compositional Structures in Neural Embedding and Interaction Decompositions [101.40245125955306]
ニューラルネットワークにおけるベクトル埋め込みにおける線形代数構造間の基本的な対応について述べる。相互作用分解」の観点から構成構造の特徴づけを導入する。モデルの表現の中にそのような構造が存在するためには、必要かつ十分な条件を確立する。
論文参考訳（メタデータ） (2024-07-12T02:39:50Z)
Artificial Intelligence for Complex Network: Potential, Methodology and Application [23.710627896950438]
複雑なネットワーク科学は、実際のネットワークの基盤となる統計力学、構造、力学の理解を大幅に強化した。人工知能(AI)技術の出現は、複雑なネットワーク科学研究の新しい時代を告げている。この調査は、複雑なネットワーク研究の難題を克服する上で、AIの潜在的な利点を体系的に解決することを目的としている。
論文参考訳（メタデータ） (2024-02-23T09:06:36Z)
Structure of activity in multiregion recurrent neural networks [2.1756081703276]
複数の相互接続領域を持つニューラルネットワークのダイナミクスについて検討する。各領域内では、ニューロンはランダムなリカレント接続と構造化されたリカレント接続の組み合わせを持つ。地域内の活動の複雑さに対処するためには,他の地域への信号のルーティングが不可欠であることを示す。
論文参考訳（メタデータ） (2024-02-19T14:51:55Z)
Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
論文参考訳（メタデータ） (2024-02-04T08:57:42Z)
Digital Twin-Oriented Complex Networked Systems based on Heterogeneous Node Features and Interaction Rules [13.28255056212425]
本研究では,Digital Twin-Oriented Complex Networked Systemsのための拡張可能なモデリングフレームワークを提案する。我々は,これらのネットワークに広まる流行に関連するネットワーク成長と異なる透過性に関する様々な特徴と規則を取り入れたシミュレーションベースのDT-CNSの実験を行う。
論文参考訳（メタデータ） (2023-08-18T01:54:48Z)
A Bayesian Approach to Reconstructing Interdependent Infrastructure Networks from Cascading Failures [2.9364290037516496]
ネットワーク相互依存を理解することは、カスケード障害を予測し、破壊を計画するために不可欠である。個々のネットワークのトポロジに関するデータは、プライバシやセキュリティ上の懸念から、一般には利用できないことが多い。本稿では,相互依存型インフラストラクチャネットワークのトポロジを再構築するスケーラブルな非パラメトリックベイズ手法を提案する。
論文参考訳（メタデータ） (2022-11-28T17:45:41Z)
From Cities to Series: Complex Networks and Deep Learning for Improved Spatial and Temporal Analytics* [0.0]
この論文は複雑なネットワークと機械学習技術を組み合わせて、パンデミック、垂直移動、およびストリートネットワークで観察される人間の現象の理解を改善する。 i) 集中治療室における流行の伝播, 天気予報, 患者モニタリングの応用により, 空間的および時間的データで観測される動的なプロセスをモデル化できる新しいニューラルネットワークアーキテクチャ, (ii) ブラジルのすべての都市間における人間の移動性の範囲におけるリンクを分析し予測するための機械学習手法を貢献する。
論文参考訳（メタデータ） (2022-06-01T11:04:11Z)
Towards Understanding Theoretical Advantages of Complex-Reaction Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文参考訳（メタデータ） (2021-08-15T10:13:49Z)
A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文参考訳（メタデータ） (2021-01-03T02:32:45Z)
Inter-layer Information Similarity Assessment of Deep Neural Networks Via Topological Similarity and Persistence Analysis of Data Neighbour Dynamics [93.4221402881609]
ディープニューラルネットワーク(DNN)による情報構造の定量的解析により、DNNアーキテクチャの理論的性能に関する新たな知見が明らかにされる。量的情報構造解析のためのLSとIDの戦略に着想を得て, 層間情報類似度評価のための2つの新しい補完手法を提案する。本研究では,画像データを用いた深層畳み込みニューラルネットワークのアーキテクチャ解析を行い,その効果を実証する。
論文参考訳（メタデータ） (2020-12-07T15:34:58Z)
Developing Constrained Neural Units Over Time [81.19349325749037]
本稿では,既存のアプローチと異なるニューラルネットワークの定義方法に焦点をあてる。ニューラルネットワークの構造は、データとの相互作用にも拡張される制約の特別なクラスによって定義される。提案した理論は時間領域にキャストされ, データを順序づけられた方法でネットワークに提示する。
論文参考訳（メタデータ） (2020-09-01T09:07:25Z)

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。