Fugu-MT 論文翻訳(概要): Towards Modularity Optimization Using Reinforcement Learning to Community Detection in Dynamic Social Networks

論文の概要: Towards Modularity Optimization Using Reinforcement Learning to Community Detection in Dynamic Social Networks

arxiv url: http://arxiv.org/abs/2111.15623v1
Date: Thu, 25 Nov 2021 19:55:57 GMT
ステータス: 処理完了
システム内更新日: 2021-12-06 01:23:33.880750
Title: Towards Modularity Optimization Using Reinforcement Learning to Community Detection in Dynamic Social Networks
Title（参考訳）: 強化学習を用いた動的ソーシャルネットワークにおけるコミュニティ検出へのモジュール性最適化
Authors: Aur\'elio Ribeiro Costa
Abstract要約: 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。
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 community structure in a social network is an important problem tackled in the literature of network analysis. There are many solutions to this problem using a static scenario, when facing a dynamic scenario some solutions may be adapted but others simply do not fit, moreover when considering the demand to analyze constantly growing networks. In this context, we propose an approach to the problem of community detection in dynamic networks based on a reinforcement learning strategy to deal with changes on big networks using a local optimization on the modularity score of the changed entities. An experiment using synthetic and real-world dynamic network data shows results comparable to static scenarios.
Abstract（参考訳）: ソーシャルネットワークにおけるコミュニティ構造の同定は,ネットワーク分析の文献において重要な課題である。静的なシナリオを使ってこの問題に多くの解決策が存在する。動的なシナリオに直面すると、いくつかのソリューションが適応するかもしれないが、他のソリューションは単純には適合しない。そこで,本稿では,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として,変更したエンティティのモジュラリティスコアの局所最適化を用いた大規模ネットワークの変化に対応する強化学習戦略を提案する。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。

関連論文リスト

Modularity-based approach for tracking communities in dynamic social networks [0.39462888523270856]
動的ネットワークにおけるコミュニティの時間的追跡のための新しいフレームワークを提案する。当社のフレームワークはモジュール性ベースの戦略を採用しており,事前定義されたしきい値を必要としない。合成ネットワークの広範な実験により,本フレームワークの有効性を検証した。
論文参考訳（メタデータ） (2023-02-24T17:17:59Z)
Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文参考訳（メタデータ） (2023-01-20T17:06:34Z)
PointFix: Learning to Fix Domain Bias for Robust Online Stereo Adaptation [67.41325356479229]
本稿では,PointFixと呼ばれるメタラーニングフレームワークに補助的なポイント選択型ネットワークを導入することを提案する。簡単に言えば、我々の補助的ネットワークは、メタグラディエントを通じて局所情報を効果的にバックプロパゲートすることで、局所的変異を集中的に修正することを学ぶ。このネットワークはモデルに依存しないため、プラグイン・アンド・プレイ方式であらゆる種類のアーキテクチャで使用することができる。
論文参考訳（メタデータ） (2022-07-27T07:48:29Z)
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)
A purely data-driven framework for prediction, optimization, and control of networked processes: application to networked SIS epidemic model [0.8287206589886881]
我々は,大規模ネットワーク上での非線形力学の同定と制御を行う演算子理論に基づくデータ駆動型フレームワークを開発した。提案手法では、ネットワーク構造に関する事前の知識は必要とせず、状態の2段階のスナップショットのみを用いて基礎となるダイナミクスを識別する。
論文参考訳（メタデータ） (2021-08-01T03:57:10Z)
ABEM: An Adaptive Agent-based Evolutionary Approach for Mining Influencers in Online Social Networks [1.6128569396451058]
オンラインソーシャルネットワークにおける進化的影響力の重要なステップは、インフルエンサーとして知られる少数のユーザーの識別です。これらのネットワークの構造の進化する性質は、これらのインフルエンサーを見つけて識別することを困難にします。静的ネットワークと動的ネットワークの両方の文脈でこの問題に対処するための適応型エージェントベースアプローチを提案する。
論文参考訳（メタデータ） (2021-04-14T00:31:08Z)
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)
On the use of local structural properties for improving the efficiency of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文参考訳（メタデータ） (2020-09-15T00:16:12Z)
On Robustness and Transferability of Convolutional Neural Networks [147.71743081671508]
現代の深層畳み込みネットワーク(CNN)は、分散シフトの下で一般化しないとしてしばしば批判される。現代画像分類CNNにおける分布外と転送性能の相互作用を初めて検討した。トレーニングセットとモデルサイズを増大させることで、分散シフトロバスト性が著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-16T18:39:04Z)
Multi-Agent Reinforcement Learning for Adaptive User Association in Dynamic mmWave Networks [17.295158818748188]
マルチエージェント強化学習に基づくユーザアソシエーションのためのスケーラブルで柔軟なアルゴリズムを提案する。ユーザーは、ローカルな観察のみに基づいて、ネットワークの総和率を最適化するために、自律的に行動を調整することを学習する独立したエージェントとして振る舞う。シミュレーションの結果,提案アルゴリズムは無線環境の変化に適応できることを示す。
論文参考訳（メタデータ） (2020-06-16T10:51:27Z)
DANR: Discrepancy-aware Network Regularization [15.239252118069762]
ネットワーク正規化は、ネットワーク上のコヒーレントモデルを学習するための効果的なツールである。本稿では,正規化が不十分で,時間的ネットワーク上でのモデル進化と構造変化を効果的に捉える新しい手法を提案する。本研究では,乗算器の交互化法(ADMM)に基づくスケーラブルでスケーラブルなアルゴリズムを開発し,大域的最適解への収束を保証する。
論文参考訳（メタデータ） (2020-05-31T02:01:19Z)

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。