論文の概要: Heuristic Optimal Transport in Branching Networks
- arxiv url: http://arxiv.org/abs/2311.06650v3
- Date: Wed, 7 Feb 2024 16:12:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 19:48:11.765225
- Title: Heuristic Optimal Transport in Branching Networks
- Title（参考訳）: 分岐ネットワークにおけるヒューリスティック最適輸送
- Authors: M. Andrecut
- Abstract要約: ネットワークにおける最適輸送のための高速分岐法について論じる。
また、世界中の141,182都市を対象とする、合成例、簡易型心血管ネットワーク、および「サンタクロース」配信ネットワークへのいくつかの応用も提供する。
- 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: Optimal transport aims to learn a mapping of sources to targets by minimizing
the cost, which is typically defined as a function of distance. The solution to
this problem consists of straight line segments optimally connecting sources to
targets, and it does not exhibit branching. These optimal solutions are in
stark contrast with both natural, and man-made transportation networks, where
branching structures are prevalent. Here we discuss a fast heuristic branching
method for optimal transport in networks. We also provide several numerical
applications to synthetic examples, a simplified cardiovascular network, and
the "Santa Claus" distribution network which includes 141,182 cities around the
world, with known location and population.
- Abstract（参考訳）: 最適輸送は、通常距離の関数として定義されるコストを最小限にして、ソースをターゲットにマッピングすることを目的としている。
この問題の解決策は、ソースをターゲットに最適に接続する直線セグメントで構成されており、分岐は示さない。
これらの最適解は、分岐構造が一般的である自然および人工の輸送ネットワークと対照的である。
本稿では,ネットワークにおける最適輸送のための高速ヒューリスティック分岐法について述べる。
また, 世界中の141,182の都市を対象とする, 人工的な例, 簡易な心血管ネットワーク, および"サンタクロース"分布ネットワークへの数値的応用について述べる。
関連論文リスト
- Non-iterative Optimization of Trajectory and Radio Resource for Aerial Network [7.824710236769593]
我々は,空中IoTネットワークにおける共同軌道計画,ユーザアソシエーション,資源配分,電力制御の問題に対処する。
我々のフレームワークは、遺伝的、木探索、強化学習といった様々な軌道計画アルゴリズムを組み込むことができる。
論文 参考訳（メタデータ） (2024-05-02T14:21:29Z) - Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。
マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。
提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文 参考訳（メタデータ） (2023-10-06T02:35:35Z) - Theory and Approximate Solvers for Branched Optimal Transport with
Multiple Sources [12.139222986297263]
分岐最適輸送(英: Branched Optimal Transport、BOT)は、エッジに沿った輸送コストが副付加的な最適輸送の一般化である。
トポロジを考えると、多くのソースやシンクに対してBOTネットワークの最適形状を効率的に見つける方法を示す。
論文 参考訳（メタデータ） (2022-10-14T10:51:16Z) - InfoOT: Information Maximizing Optimal Transport [58.72713603244467]
InfoOTは最適な輸送の情報理論の拡張である。
幾何学的距離を最小化しながら、ドメイン間の相互情報を最大化する。
この定式化は、外れ値に対して堅牢な新しい射影法をもたらし、目に見えないサンプルに一般化する。
論文 参考訳（メタデータ） (2022-10-06T18:55:41Z) - Neural Optimal Transport [82.2689844201373]
本稿では、最適な輸送マップを計算し、強力で弱い輸送コストを計画するニューラルネットベースの新しいアルゴリズムを提案する。
ニューラルネットワークが確率分布間の輸送計画の普遍的近似であることを示す。
論文 参考訳（メタデータ） (2022-01-28T16:24:13Z) - Score-based Generative Neural Networks for Large-Scale Optimal Transport [15.666205208594565]
場合によっては、最適な輸送計画は、ソースサポートからターゲットサポートへの1対1のマッピングの形を取る。
代わりに、ソースとターゲット分布のカップリングを解いた最適輸送の正規化形態であるシンクホーン問題について検討する。
本稿では,2つの分布間のシンクホーン結合をスコアベース生成モデルで学習するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-10-07T07:45:39Z) - Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。
我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
論文 参考訳（メタデータ） (2021-06-15T09:03:28Z) - Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。
アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。
この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文 参考訳（メタデータ） (2021-06-14T07:33:09Z) - TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular
Dynamics [74.43710101147849]
本稿では,動的最適輸送を実現するために,分布間の連続経路を制御するTrjectoryNetを提案する。
単細胞RNAシークエンシング(scRNA-seq)技術から得られたデータにおける細胞動態の研究において、これが特に当てはまるかを示す。
論文 参考訳（メタデータ） (2020-02-09T21:00:38Z)
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。