Fugu-MT 論文翻訳(概要): Mathematical Modeling and Optimal Control of Untrue Information : Dynamic SEIZ in Online Social Networks

論文の概要: Mathematical Modeling and Optimal Control of Untrue Information : Dynamic SEIZ in Online Social Networks

arxiv url: http://arxiv.org/abs/2309.13058v1
Date: Sat, 9 Sep 2023 09:16:44 GMT
ステータス: 処理完了
システム内更新日: 2023-10-01 12:24:27.517293
Title: Mathematical Modeling and Optimal Control of Untrue Information : Dynamic SEIZ in Online Social Networks
Title（参考訳）: 非真実情報の数学的モデリングと最適制御 : オンラインソーシャルネットワークにおける動的SEIZ
Authors: Fulgence Mansal, Ibrahima Faye
Abstract要約: 噂を広めることに特化したSEIRモデルに基づくモデルを操作する。第2部では,噂の拡散に対抗するための制御戦略を導入する。
参考スコア（独自算出の注目度）: 0.43512163406551996
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We propose to model the phenomenon of the spread of a rumor in this paper. We manipulate a model that is based on SEIR model that specializes in spreading rumors. In the second part, we introduce a control strategy to fight against the diffusion of the rumor. Our main objective is to characterize the three optimal controls that minimize the number of spreaders, susceptibles who enter and spread the rumor, and skeptics. For that matter, using the maximum principle of Pontryagin, we prove the existence and give characterization of our controls. To illustrate the theoretical results obtained, numerical simulations are given to concretize our approach.
Abstract（参考訳）: 本論文では,噂の拡散現象をモデル化する。噂を広めることに特化したSEIRモデルに基づくモデルを操作する。第2部では,噂の拡散に対抗するための制御戦略について紹介する。我々の主な目的は、スプレッダーの数を最小限に抑える3つの最適制御、噂を広める感受性、懐疑論を特徴づけることである。そのため、ポントリャーギンの最大原理を用いて、我々の制御の存在を証明し、特徴づける。得られた理論的結果を説明するために, 数値シミュレーションを行い, 提案手法を導出する。

関連論文リスト

Predicting Cascading Failures with a Hyperparametric Diffusion Model [66.89499978864741]
拡散モデルのレンズによる電力グリッドのカスケード故障について検討する。我々のモデルは、バイラル拡散原理と物理に基づく概念を統合する。この拡散モデルはカスケード故障の痕跡から学習可能であることを示す。
論文参考訳（メタデータ） (2024-06-12T02:34:24Z)
When predict can also explain: few-shot prediction to select better neural latents [3.6218162133579703]
基礎的真理をより正確に反映した潜伏変数を求めるために考案された新しい予測指標を提案する。基底的真理が欠如している場合には、外部ダイナミクスを定量化するためのプロキシ測度を提案する。
論文参考訳（メタデータ） (2024-05-23T10:48:30Z)
An Overview of Diffusion Models: Applications, Guided Generation, Statistical Rates and Optimization [59.63880337156392]
拡散モデルはコンピュータビジョン、オーディオ、強化学習、計算生物学において大きな成功を収めた。経験的成功にもかかわらず、拡散モデルの理論は非常に限定的である。本稿では,前向きな理論や拡散モデルの手法を刺激する理論的露光について述べる。
論文参考訳（メタデータ） (2024-04-11T14:07:25Z)
Theoretical Foundations of Deep Selective State-Space Models [13.971499161967083]
ディープSSMは、さまざまなドメインセットで優れたパフォーマンスを示す。最近の研究で、線形リカレンス電力が入力と隠れ状態の間の乗法的相互作用を可能にすることが示されている。ランダム線形再帰が単純な入力制御遷移を備える場合、隠れ状態は強力な数学的対象の低次元射影であることを示す。
論文参考訳（メタデータ） (2024-02-29T11:20:16Z)
Optimal Transport Model Distributional Robustness [33.24747882707421]
これまでの研究は主に、データ空間における分散ロバスト性を活用することに焦点を当ててきた。我々は、最適なロバストな中心モデル分布を学習できる理論を開発する。我々のフレームワークはSharpness-Aware Minimizationの確率的拡張と見なすことができる。
論文参考訳（メタデータ） (2023-06-07T06:15:12Z)
Modiff: Action-Conditioned 3D Motion Generation with Denoising Diffusion Probabilistic Models [58.357180353368896]
本稿では,現実的で多様な3D骨格に基づく運動生成問題に対処するために,拡散確率モデル(DDPM)の利点を生かした条件付きパラダイムを提案する。我々はDDPMを用いてカテゴリ的動作で条件付けられた動作列の可変数を合成する先駆的な試みである。
論文参考訳（メタデータ） (2023-01-10T13:15:42Z)
An optimal control perspective on diffusion-based generative modeling [9.806130366152194]
微分方程式(SDE)に基づく最適制御と生成モデルとの接続を確立する。特にハミルトン・ヤコビ・ベルマン方程式を導出し、基礎となるSDE限界の対数密度の進化を制御している。非正規化密度から抽出する新しい拡散法を開発した。
論文参考訳（メタデータ） (2022-11-02T17:59:09Z)
Deep Grey-Box Modeling With Adaptive Data-Driven Models Toward Trustworthy Estimation of Theory-Driven Models [88.63781315038824]
本稿では,ニューラルネットワークのアーキテクチャとトレーニング目標にわずかな変化を伴って,レギュレータの動作を経験的に分析することのできるフレームワークを提案する。
論文参考訳（メタデータ） (2022-10-24T10:42:26Z)
How Much is Enough? A Study on Diffusion Times in Score-based Generative Models [76.76860707897413]
現在のベストプラクティスは、フォワードダイナミクスが既知の単純なノイズ分布に十分に近づくことを確実にするために大きなTを提唱している。本稿では, 理想とシミュレーションされたフォワードダイナミクスのギャップを埋めるために補助モデルを用いて, 標準的な逆拡散過程を導出する方法について述べる。
論文参考訳（メタデータ） (2022-06-10T15:09:46Z)
Trajectory-wise Multiple Choice Learning for Dynamics Generalization in Reinforcement Learning [137.39196753245105]
本稿では,動的一般化のためのマルチヘッドダイナミックスモデルを学習するモデルベース強化学習アルゴリズムを提案する。文脈学習は,過去の経験から得られる動的情報からコンテキスト潜在ベクトルにエンコードする。提案手法は,最先端のRL法と比較して,様々な制御タスクにおいて優れたゼロショット一般化性能を示す。
論文参考訳（メタデータ） (2020-10-26T03:20:42Z)
Prediction-Centric Learning of Independent Cascade Dynamics from Partial Observations [13.680949377743392]
本稿では,このモデルから生成された予測が正確であるような拡散モデルの学習の問題に対処する。本稿では,スケーラブルな動的メッセージパッシング手法に基づく計算効率のよいアルゴリズムを提案する。学習モデルからの抽出可能な推論は,元のモデルと比較して限界確率の予測精度がよいことを示す。
論文参考訳（メタデータ） (2020-07-13T17:58:21Z)

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。