論文の概要: Channel Balance Interpolation in the Lightning Network via Machine Learning

• arxiv url: http://arxiv.org/abs/2405.12087v1
• Date: Mon, 20 May 2024 14:57:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 12:55:09.374274
• Title: Channel Balance Interpolation in the Lightning Network via Machine Learning
• Title（参考訳）: 機械学習による雷網のチャネルバランス補間
• Authors: Vincent, Emanuele Rossi, Vikash Singh,
• Abstract要約: Bitcoin Lightning Networkは、Bitcoinのスケーラビリティに対処するレイヤ2支払いプロトコルである。 本研究は、ネットワーク内のチャネルバランスを補間するために機械学習モデルを使用することの可能性を検討する。
• 参考スコア（独自算出の注目度）: 6.391448436169024
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Bitcoin Lightning Network is a Layer 2 payment protocol that addresses Bitcoin's scalability by facilitating quick and cost effective transactions through payment channels. This research explores the feasibility of using machine learning models to interpolate channel balances within the network, which can be used for optimizing the network's pathfinding algorithms. While there has been much exploration in balance probing and multipath payment protocols, predicting channel balances using solely node and channel features remains an uncharted area. This paper evaluates the performance of several machine learning models against two heuristic baselines and investigates the predictive capabilities of various features. Our model performs favorably in experimental evaluation, outperforming by 10% against an equal split baseline where both edges are assigned half of the channel capacity.
• Abstract（参考訳）: Bitcoin Lightning Network(ビットコイン・ライトニング・ネットワーク)は、Bitcoinのスケーラビリティに対処するレイヤ2の支払いプロトコルである。 本研究は、ネットワーク内のチャネルバランスを補間するために機械学習モデルを使用することにより、ネットワークのパスフィニングアルゴリズムの最適化に使用できる可能性を検討する。 残高調査やマルチパス決済プロトコルの探索が盛んに行われているが、ノードとチャネルの機能のみを用いてチャネルのバランスを予測することは、まだ未知の領域である。 本稿では,2つのヒューリスティックベースラインに対する機械学習モデルの性能評価を行い,様々な特徴の予測能力について検討する。 実験では,両エッジがチャネル容量の半分に割り当てられる等分割ベースラインに対して10%向上した。

関連論文リスト

• An Exposition of Pathfinding Strategies Within Lightning Network Clients [4.926283917321645]
  Lightning Networkは、Bitcoinのスケーラビリティ問題に対処するために設計されたピアツーピアネットワークである。 本稿では,Lightning Network ノード実装におけるパスフィンディング戦略の違いについて検討する。 成功率,手数料,パス長,タイムロックなど,さまざまなパスフィニング戦略の有効性を評価した。
  論文  参考訳（メタデータ） (2024-10-17T17:21:45Z)
• Deep Reinforcement Learning-based Rebalancing Policies for Profit Maximization of Relay Nodes in Payment Channel Networks [7.168126766674749]
  本研究では, 海底スワップの再バランス手法を用いて, リレーノードが手数料から利益を最大化する方法について検討した。 我々は,すべての再バランスポリシに対して時間とともにノードの運命の問題を定式化し,Deep Reinforcement Learningベースの再バランスポリシを設計することによって最適解を近似する。
  論文  参考訳（メタデータ） (2022-10-13T19:11:10Z)
• Semi-supervised Impedance Inversion by Bayesian Neural Network Based on 2-d CNN Pre-training [0.966840768820136]
  我々は2つの側面から半教師付き学習を改善する。 まず、ディープラーニング構造における1次元畳み込みニューラルネットワーク層を2次元CNN層と2次元マックスプール層に置き換えることで、予測精度を向上させる。 第二に、ベイズ推論フレームワークにネットワークを埋め込むことで予測の不確実性を推定することもできる。
  論文  参考訳（メタデータ） (2021-11-20T14:12:05Z)
• Deep Diffusion Models for Robust Channel Estimation [1.7259824817932292]
  深部拡散モデルを用いたマルチインプット・マルチアウトプット(MIMO)チャネル推定のための新しい手法を提案する。 提案手法は,高次元空間の任意の点における無線チャネルのログ状勾配を推定するために訓練されたディープニューラルネットワークを用いている。
  論文  参考訳（メタデータ） (2021-11-16T01:32:11Z)
• CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
  本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
  論文  参考訳（メタデータ） (2021-10-21T06:26:31Z)
• BWCP: Probabilistic Learning-to-Prune Channels for ConvNets via Batch Whitening [63.081808698068365]
  本稿では,畳み込みニューラルネットワーク(cnns)を高速化する確率的チャネルプルーニング手法を提案する。 以前は、訓練中の重要でないチャンネルを決定論的な方法でゼロにすることが多く、CNNの学習能力が低下し、最適なパフォーマンスが得られます。 本研究では, バッチホワイトニングチャネルプルーニング (BWCP) と呼ばれる確率ベースのプルーニングアルゴリズムを開発し, チャネルの活性化の確率をモデル化することにより, 重要でないチャネルを自動破棄する。
  論文  参考訳（メタデータ） (2021-05-13T17:00:05Z)
• Learning Neural Network Subspaces [74.44457651546728]
  近年の観測は,ニューラルネットワーク最適化の展望の理解を深めている。 1つのモデルのトレーニングと同じ計算コストで、高精度ニューラルネットワークの線、曲線、単純軸を学習します。 1つのモデルのトレーニングと同じ計算コストで、高精度ニューラルネットワークの線、曲線、単純軸を学習します。
  論文  参考訳（メタデータ） (2021-02-20T23:26:58Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)
• Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
  本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。 本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-30T10:05:35Z)
• ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
  本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。 まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。 提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-07T02:12:02Z)

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。