論文の概要: A Bayesian Approach to Reconstructing Interdependent Infrastructure
Networks from Cascading Failures
- arxiv url: http://arxiv.org/abs/2211.15590v1
- Date: Mon, 28 Nov 2022 17:45:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 19:51:44.724905
- Title: A Bayesian Approach to Reconstructing Interdependent Infrastructure
Networks from Cascading Failures
- Title（参考訳）: カスケード障害から相互依存型インフラストラクチャネットワークを再構築するベイズ的アプローチ
- Authors: Yu Wang, Jin-Zhu Yu, Hiba Baroud
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.9364290037516496
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Analyzing the behavior of complex interdependent networks requires complete
information about the network topology and the interdependent links across
networks. For many applications such as critical infrastructure systems,
understanding network interdependencies is crucial to anticipate cascading
failures and plan for disruptions. However, data on the topology of individual
networks are often publicly unavailable due to privacy and security concerns.
Additionally, interdependent links are often only revealed in the aftermath of
a disruption as a result of cascading failures. We propose a scalable
nonparametric Bayesian approach to reconstruct the topology of interdependent
infrastructure networks from observations of cascading failures.
Metropolis-Hastings algorithm coupled with the infrastructure-dependent
proposal are employed to increase the efficiency of sampling possible graphs.
Results of reconstructing a synthetic system of interdependent infrastructure
networks demonstrate that the proposed approach outperforms existing methods in
both accuracy and computational time. We further apply this approach to
reconstruct the topology of one synthetic and two real-world systems of
interdependent infrastructure networks, including gas-power-water networks in
Shelby County, TN, USA, and an interdependent system of power-water networks in
Italy, to demonstrate the general applicability of the approach.
- Abstract（参考訳）: 複雑な相互依存ネットワークの挙動を分析するには、ネットワークトポロジとネットワーク間の相互依存リンクに関する完全な情報が必要である。
重要なインフラストラクチャシステムのような多くのアプリケーションにとって、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、破壊の計画を立てるのに不可欠である。
しかしながら、プライバシやセキュリティ上の懸念から、個々のネットワークのトポロジに関するデータは一般には利用できないことが多い。
さらに、相互依存リンクは、しばしばカスケード障害の結果、破壊の余波でのみ明らかにされる。
本稿では,カスケード故障の観測から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。
インフラストラクチャ依存の提案と組み合わされたメトロポリス・ハスティングスアルゴリズムは、可能なグラフをサンプリングする効率を高めるために用いられる。
相互依存型ネットワークの合成システムを再構築した結果,提案手法は精度と計算時間の両方で既存手法よりも優れていた。
さらに本手法を用いて, シェルビー郡のガス水ネットワークやイタリアにおける電力水ネットワークの相互依存システムなど, 相互依存型インフラネットワークの1つのシステムと2つの実世界のシステムのトポロジを再構築し, アプローチの適用性を実証する。
関連論文リスト
- KeySpace: Public Key Infrastructure Considerations in Interplanetary Networks [14.683336638975762]
ネットワークトポロジ間でPKIシステムを比較するための標準化されたフレームワークを開発した。
我々は、高度に分散した惑星間ネットワークにおいて、地球上のPKI技術が適用可能であることを実証した。
論文 参考訳（メタデータ） (2024-08-20T16:00:17Z) - TDNetGen: Empowering Complex Network Resilience Prediction with Generative Augmentation of Topology and Dynamics [14.25304439234864]
本稿では,ネットワークトポロジとダイナミックスの生成的データ拡張を通じてこの問題に対処するために設計された,複雑なネットワークに対する新しいレジリエンス予測フレームワークを提案する。
3つのネットワークデータセットの実験結果から,提案するフレームワークであるTDNetGenは,最大85%～95%の精度で高い予測精度を達成可能であることが示された。
論文 参考訳（メタデータ） (2024-08-19T09:20:31Z) - Inferring Dynamic Networks from Marginals with Iterative Proportional Fitting [57.487936697747024]
実世界のデータ制約から生じる一般的なネットワーク推論問題は、その時間集約された隣接行列から動的ネットワークを推論する方法である。
本稿では,ネットワーク構造に対する最小限の変更の下でIPFの収束を保証するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-28T20:24:56Z) - Localizing Anomalies in Critical Infrastructure using Model-Based Drift
Explanations [5.319765271848658]
ベイジアンネットワークを用いたネットワークをモデル化し,異常が重要なインフラシステムの力学に与える影響を解析する。
特に、モデルに基づく概念ドリフトの説明は異常の局所化に有望なツールであると主張する。
本手法がより一般的に重要なインフラに適用可能であることを示すために,本手法が電力系統におけるセンサ故障の局所化に有効であることを示す。
論文 参考訳（メタデータ） (2023-10-24T13:33:19Z) - Detecting Vulnerable Nodes in Urban Infrastructure Interdependent
Network [30.78792992230233]
我々は、相互依存型ネットワークを異種グラフとしてモデル化し、強化学習を用いたグラフニューラルネットワークに基づくシステムを提案する。
提案システムは,深層学習技術を活用して異種グラフを解析し,カスケード故障のリスクを把握し,都市の脆弱なインフラを発見する。
論文 参考訳（メタデータ） (2023-07-19T09:53:56Z) - IIVA: A Simulation Based Generalized Framework for Interdependent
Infrastructure Vulnerability Assessment [0.0]
本稿では,新たなインフラストラクチャ脆弱性評価フレームワークを提案する。
コンポーネントの初期失敗率が高いほど、インフラストラクチャの脆弱性が大きくなることが観察された。
論文 参考訳（メタデータ） (2022-12-13T20:37:03Z) - 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) - On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。
我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。
メッシュベースのIABネットワークを実現する上での課題について論じる。
論文 参考訳（メタデータ） (2021-02-14T21:52:05Z) - 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) - Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。
接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。
この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文 参考訳（メタデータ） (2020-08-19T04:53:31Z) - Detecting Communities in Heterogeneous Multi-Relational Networks:A
Message Passing based Approach [89.19237792558687]
コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。
我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-06T17:36:24Z)
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。