論文の概要: A Survey on Coin Selection Algorithms in UTXO-based Blockchains

• arxiv url: http://arxiv.org/abs/2311.01113v1
• Date: Thu, 2 Nov 2023 09:38:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 13:45:54.917049
• Title: A Survey on Coin Selection Algorithms in UTXO-based Blockchains
• Title（参考訳）: UTXO系ブロックチェーンにおけるコイン選択アルゴリズムの検討
• Authors: Gholamreza Ramezan, Manvir Schneider, Mel McCann,
• Abstract要約: 本稿では、未使用のトランザクション出力(UTXO)ベースのブロックチェーンで使用される既存のコイン選択アルゴリズムについてレビューする。 既存のアルゴリズムをプリミティブ、ベーシック、アドバンストの3つのタイプに分類する。 本研究の目的は,システム研究者や開発者に対して,現在のランドスケープデザインの具体的なビューを提供することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coin selection algorithms are a fundamental component of blockchain technology. In this paper, we present a comprehensive review of the existing coin selection algorithms utilized in unspent transaction output (UTXO)-based blockchains. We provide a list of the desired objectives and categorize existing algorithms into three types: primitive, basic, and advanced algorithms. This allows for a structured understanding of their functionalities and limitations. We also evaluate the performance of existing coin selection algorithms. The aim of this paper is to provide system researchers and developers with a concrete view of the current design landscape.
• Abstract（参考訳）: コイン選択アルゴリズムはブロックチェーン技術の基本コンポーネントである。 本稿では、未使用のトランザクション出力(UTXO)ベースのブロックチェーンで使用される既存のコイン選択アルゴリズムについて、包括的なレビューを行う。 所望の目的のリストを提供し、既存のアルゴリズムをプリミティブ、ベーシック、アドバンストの3つのタイプに分類する。 これにより、機能や制限に関する構造化された理解が可能になる。 また,既存のコイン選択アルゴリズムの性能評価を行った。 本研究の目的は,システム研究者や開発者に対して,現在のデザインのランドスケープを具体的に把握することである。

関連論文リスト

• BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
  BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。 ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。 BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
  論文  参考訳（メタデータ） (2024-10-05T05:11:34Z)
• The Cost of Executing Business Processes on Next-Generation Blockchains: The Case of Algorand [0.09208007322096533]
  プロセス実行の観点から,Algorandというシステムについて検討する。 Algorandは、低い取引手数料と高速なファイナリティを約束する。 Algorandのプロセス実行コストと従来のクラウドコンピューティングとの比較を行った。
  論文  参考訳（メタデータ） (2024-07-09T09:58:11Z)
• The CLRS Algorithmic Reasoning Benchmark [28.789225199559834]
  アルゴリズムの学習表現は機械学習の新たな領域であり、ニューラルネットワークから古典的なアルゴリズムで概念をブリッジしようとしている。 本稿では,従来のアルゴリズムを包括するCLRS Algorithmic Reasoning Benchmarkを提案する。 我々のベンチマークは、ソート、探索、動的プログラミング、グラフアルゴリズム、文字列アルゴリズム、幾何アルゴリズムなど、様々なアルゴリズムの推論手順にまたがっている。
  論文  参考訳（メタデータ） (2022-05-31T09:56:44Z)
• Social Choice Around the Block: On the Computational Social Choice of Blockchain [7.310043452300736]
  本稿では,ブロックチェーン研究における計算社会の選択の重要性を論じる。 2つの分野のインターフェースにおけるいくつかの課題を識別し、それらの間の交配の強い可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T10:56:10Z)
• Blockchain Framework for Artificial Intelligence Computation [1.8148198154149393]
  ブロック検証とコンセンサス機構を深層強化学習プロセスとして設計する。 当社の手法は,次世代のパブリックブロックチェーンネットワークの設計に使用されている。
  論文  参考訳（メタデータ） (2022-02-23T01:44:27Z)
• Reputation-based PoS for the Restriction of Illicit Activities on Blockchain: Algorand Usecase [2.94824047753242]
  近年では、ブロックチェーントランザクションデータに基づいて、さまざまな機械学習ベースのテクニックが、このような犯罪要素を検出することができる。 本稿では,上記の不正行為を検知したユーザに対する評価に基づく応答手法を提案する。
  論文  参考訳（メタデータ） (2021-12-21T07:32:22Z)
• Algorithm Selection on a Meta Level [58.720142291102135]
  本稿では,与えられたアルゴリズムセレクタの組み合わせに最適な方法を求めるメタアルゴリズム選択の問題を紹介する。 本稿では,メタアルゴリズム選択のための一般的な方法論フレームワークと,このフレームワークのインスタンス化として具体的な学習手法を提案する。
  論文  参考訳（メタデータ） (2021-07-20T11:23:21Z)
• Generalization in portfolio-based algorithm selection [97.74604695303285]
  ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。 ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
  論文  参考訳（メタデータ） (2020-12-24T16:33:17Z)
• A Systematic Characterization of Sampling Algorithms for Open-ended Language Generation [71.31905141672529]
  本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。 エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。 これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2020-09-15T17:28:42Z)
• Model Selection in Contextual Stochastic Bandit Problems [51.94632035240787]
  基本アルゴリズムを選択できるメタアルゴリズムを開発した。 基本アルゴリズムの1つが$O(sqrtT)$後悔している場合でも、一般的には$Omega(sqrtT)$後悔よりも良いものを得ることはできません。
  論文  参考訳（メタデータ） (2020-03-03T18:46:34Z)
• Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
  本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。 最小クラスタ回復誤差率のアルゴリズムを考案する。 適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2019-10-14T09:18:26Z)

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。