論文の概要: Online design of dynamic networks

• arxiv url: http://arxiv.org/abs/2410.08875v1
• Date: Fri, 11 Oct 2024 14:50:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 21:26:05.861829
• Title: Online design of dynamic networks
• Title（参考訳）: 動的ネットワークのオンライン設計
• Authors: Duo Wang, Andrea Araldo, Mounim El Yacoubi,
• Abstract要約: 本稿では,動的ネットワークのオンライン設計手法を提案する。 我々はモンテカルロ木探索に基づく転がり地平線で、このオンラインデザイン問題に取り組む。 オンラインネットワーク設計の可能性は、未来的な公共交通ネットワークの設計のために示される。
• 参考スコア（独自算出の注目度）: 4.6289929100615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing a network (e.g., a telecommunication or transport network) is mainly done offline, in a planning phase, prior to the operation of the network. On the other hand, a massive effort has been devoted to characterizing dynamic networks, i.e., those that evolve over time. The novelty of this paper is that we introduce a method for the online design of dynamic networks. The need to do so emerges when a network needs to operate in a dynamic and stochastic environment. In this case, one may wish to build a network over time, on the fly, in order to react to the changes of the environment and to keep certain performance targets. We tackle this online design problem with a rolling horizon optimization based on Monte Carlo Tree Search. The potential of online network design is showcased for the design of a futuristic dynamic public transport network, where bus lines are constructed on the fly to better adapt to a stochastic user demand. In such a scenario, we compare our results with state-of-the-art dynamic vehicle routing problem (VRP) resolution methods, simulating requests from a New York City taxi dataset. Differently from classic VRP methods, that extend vehicle trajectories in isolation, our method enables us to build a structured network of line buses, where complex user journeys are possible, thus increasing system performance.
• Abstract（参考訳）: ネットワーク(例えば、通信または輸送ネットワーク)の設計は、ネットワークの運用前に計画段階で主にオフラインで行われる。 一方で、動的ネットワーク、すなわち時間とともに進化するネットワークを特徴づけることに多大な努力が注がれている。 本稿では,動的ネットワークのオンライン設計手法を提案する。 ネットワークが動的で確率的な環境で運用する必要がある場合、その必要が生じる。 この場合、環境の変化に反応し、特定のパフォーマンス目標を維持するために、時間をかけて、リアルタイムでネットワークを構築したい場合もあります。 我々はモンテカルロ木探索に基づく転がり地平線最適化により,このオンライン設計問題に取り組む。 オンラインネットワーク設計の可能性は、未来的な動的公共交通ネットワークの設計のために示されており、バス路線は、確率的なユーザ需要に適応するために、その場で構築されている。 このようなシナリオでは、ニューヨーク市のタクシーデータからの要求をシミュレートする、最先端の動的車両ルーティング問題(VRP)解決法と比較する。 車両軌道を独立に拡張する従来のVRP法とは違って,複雑なユーザ旅行が可能な路線バスの構造的ネットワークの構築が可能となり,システム性能が向上する。

関連論文リスト

• ST-RetNet: A Long-term Spatial-Temporal Traffic Flow Prediction Method [1.8531577178922987]
  時空間共振ネットワーク(ST-RetNet)と呼ばれる革新的なモデルを提案する。 空間スケールでは,道路網の動的空間的特徴を抽出するために適応的隣接行列を用いて,位相グラフ構造を空間共役ネットワーク(S-RetNet)に統合する。 時間的スケールでは,交通流パターンの長期的依存性の把握に優れたテンポラル・リテータ・ネットワーク(T-RetNet)を提案する。
  論文  参考訳（メタデータ） (2024-07-13T03:52:32Z)
• Image Captioning via Dynamic Path Customization [100.15412641586525]
  画像キャプションのための新しい動的トランスフォーマーネットワーク(DTNet)を提案する。 提案するDTNetの有効性を検証するため,MS-COCOデータセットの広範な実験を行い,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-06-01T07:23:21Z)
• Interference Cancellation GAN Framework for Dynamic Channels [74.22393885274728]
  チャネルのあらゆる変更に適応できるオンライントレーニングフレームワークを導入します。 我々のフレームワークは、非常にダイナミックなチャネル上での最近のニューラルネットワークモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2022-08-17T02:01:18Z)
• The Braess Paradox in Dynamic Traffic [3.9989504310282977]
  Braess's Paradox (BP) は、既存の道路網に1つ以上の道路を追加することで、交通渋滞が対極的に増加し、全体の交通の流れが遅くなるという観察である。 本稿では動的トラフィックネットワークモデルを提案し,動的トラフィック下でのBPの存在を実証的に検証する。
  論文  参考訳（メタデータ） (2022-03-07T21:27:24Z)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)
• 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)
• Network Embedding via Deep Prediction Model [25.727377978617465]
  本稿では,深層予測モデルを用いて構造化ネットワーク上での転送挙動を捕捉するネットワーク埋め込みフレームワークを提案する。 ネットワーク構造埋め込み層は、Long Short-Term Memory NetworkやRecurrent Neural Networkなど、従来の深部予測モデルに付加される。 ソーシャルネットワーク, 引用ネットワーク, バイオメディカルネットワーク, 協調ネットワーク, 言語ネットワークなど, さまざまなデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2021-04-27T16:56:00Z)
• Learning dynamic and hierarchical traffic spatiotemporal features with Transformer [4.506591024152763]
  本稿では,空間時間グラフモデリングと長期交通予測のための新しいモデルであるTraffic Transformerを提案する。 Transformerは自然言語処理(NLP)で最も人気のあるフレームワークです。 注目重量行列を解析すれば 道路網の 影響力のある部分を見つけられる 交通網をよりよく学べる
  論文  参考訳（メタデータ） (2021-04-12T02:29:58Z)
• Spatio-Temporal Hybrid Graph Convolutional Network for Traffic Forecasting in Telecommunication Networks [8.753378989033322]
  人口密度の高い大都市圏から収集したデータに基づいて, セルネットワークトラフィックの特性と, 依存関係の複雑度に光を当てた。 具体的には、トラフィックが動的および静的な空間依存性と多様な周期時間パターンの両方を示すことを観察する。 STHGCN(Spatio-Temporal Hybrid Graph Convolutional Network)という,ディープラーニングに基づく効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-17T08:54:16Z)
• Multi-Agent Routing Value Iteration Network [88.38796921838203]
  疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。 最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-07-09T22:16:45Z)
• Learning Dynamic Routing for Semantic Segmentation [86.56049245100084]
  本稿では,動的ルーティングと呼ばれる意味表現のスケール分散を緩和する概念的に新しい手法を提案する。 提案フレームワークは,各画像のスケール分布に適応して,データ依存経路を生成する。 この目的のために、ハエのスケール変換経路を選択するために、ソフトコンディショナルゲートと呼ばれる微分可能なゲーティング関数を提案する。
  論文  参考訳（メタデータ） (2020-03-23T17:22:14Z)

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。