論文の概要: How the use of feature selection methods influences the efficiency and accuracy of complex network simulations
- arxiv url: http://arxiv.org/abs/2412.01096v1
- Date: Mon, 02 Dec 2024 04:12:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:43:09.824516
- Title: How the use of feature selection methods influences the efficiency and accuracy of complex network simulations
- Title(参考訳): 特徴選択法が複雑なネットワークシミュレーションの効率と精度に与える影響
- Authors: Katarzyna Musial, Jiaqi Wen, Andreas Gwyther-Gouriotis,
- Abstract要約: 複雑なネットワークシステムのモデルは、シミュレーションとリンク予測を用いて現実世界のネットワークをエミュレートするように設計されている。
本研究では,教師なしフィルタリング技術を利用して実世界のノードの特徴をランク付けする特徴選択手法を提案する。
提案手法は,実世界のネットワークのシミュレーション10点中8点を改良したFS-SNSである。
- 参考スコア(独自算出の注目度): 5.946685582099656
- License:
- Abstract: Complex network systems' models are designed to perfectly emulate real-world networks through the use of simulation and link prediction. Complex network systems are defined by nodes and their connections where both have real-world features that result in a heterogeneous network in which each of the nodes has distinct characteristics. Thus, incorporating real-world features is an important component to achieve a simulation which best represents the real-world. Currently very few complex network systems implement real-world features, thus this study proposes feature selection methods which utilise unsupervised filtering techniques to rank real-world node features alongside a wrapper function to test combinations of the ranked features. The chosen method was coined FS-SNS which improved 8 out of 10 simulations of real-world networks. A consistent threshold of included features was also discovered which saw a threshold of 4 features to achieve the most accurate simulation for all networks. Through these findings the study also proposes future work and discusses how the findings can be used to further the Digital Twin and complex network system field.
- Abstract(参考訳): 複雑なネットワークシステムのモデルは、シミュレーションとリンク予測を用いて現実世界のネットワークを完璧にエミュレートするように設計されている。
複雑なネットワークシステムはノードとその接続によって定義され、それぞれのノードが異なる特徴を持つ異種ネットワークとなる実世界の特徴を持つ。
したがって、現実世界の特徴を組み込むことは、現実世界を最もよく表すシミュレーションを実現するための重要な要素である。
そこで本研究では,非教師付きフィルタリング技術を利用して実世界のノード特徴をランク付けする機能選択手法を提案する。
提案手法は,実世界のネットワークのシミュレーション10点中8点を改良したFS-SNSである。
また、全てのネットワークにおいて最も正確なシミュレーションを実現するために、4つの特徴のしきい値が得られた。
これらの知見を通じて、この研究は今後の研究も提案し、デジタルツインと複雑なネットワークシステム分野のさらなる発展にどのように応用できるかを論じる。
関連論文リスト
- Leveraging advances in machine learning for the robust classification and interpretation of networks [0.0]
シミュレーションアプローチでは、Erd"os-R'enyiやSmall-worldのような適切なネットワーク生成モデルを選択する。
我々は、解釈可能な機械学習の進歩を利用して、様々なネットワーク属性に基づいて、生成モデルによってシミュレーションされたネットワークを分類する。
論文 参考訳(メタデータ) (2024-03-20T00:24:23Z) - Going Beyond Neural Network Feature Similarity: The Network Feature
Complexity and Its Interpretation Using Category Theory [64.06519549649495]
機能的に等価な機能と呼ぶものの定義を提供します。
これらの特徴は特定の変換の下で等価な出力を生成する。
反復的特徴マージ(Iterative Feature Merging)というアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-10T16:27:12Z) - Geographic Location Encoding with Spherical Harmonics and Sinusoidal Representation Networks [8.765273923374982]
最近の研究は、Double Fourier Sphere (DFS) の特徴に基づく正弦波と正弦波の投影を用いて座標を埋め込む。
本研究では球面調和基底関数を組み合わせたグローバル分散地理的データのための新しい位置エンコーダを提案する。
球面高調波と正弦波表現ネットワークは,それぞれが互いに競合するが,同時にタスク間の最先端性能を設定できることを示す。
論文 参考訳(メタデータ) (2023-10-10T16:12:17Z) - Heterogeneous Feature Representation for Digital Twin-Oriented Complex
Networked Systems [13.28255056212425]
現実を正確に表現できる複雑なネットワークシステムのモデルを構築することは、重要な研究領域を形成する。
本研究の目的は,Digital Twin-Oriented Complex Networked Systemsにおけるノード特徴の表現力を改善することである。
論文 参考訳(メタデータ) (2023-09-23T01:40:56Z) - Provable Guarantees for Nonlinear Feature Learning in Three-Layer Neural
Networks [49.808194368781095]
3層ニューラルネットワークは,2層ネットワークよりも特徴学習能力が豊富であることを示す。
この研究は、特徴学習体制における2層ネットワーク上の3層ニューラルネットワークの証明可能なメリットを理解するための前進である。
論文 参考訳(メタデータ) (2023-05-11T17:19:30Z) - ElegansNet: a brief scientific report and initial experiments [0.0]
ElegansNetは、現実世界のニューラルネットワーク回路を模倣するニューラルネットワークである。
自然ネットワークに似たトポロジを持つ改良されたディープラーニングシステムを生成する。
論文 参考訳(メタデータ) (2023-04-06T13:51:04Z) - Conformer: Local Features Coupling Global Representations for Visual
Recognition [72.9550481476101]
本稿では,畳み込み操作と自己アテンション機構を利用した表現学習のためのハイブリッドネットワーク構造,conformerを提案する。
実験では、コンフォーマーが同等のパラメータ複雑性の下で視覚変換器(DeiT-B)を2.3%上回ることが示されている。
論文 参考訳(メタデータ) (2021-05-09T10:00:03Z) - When Residual Learning Meets Dense Aggregation: Rethinking the
Aggregation of Deep Neural Networks [57.0502745301132]
我々は,グローバルな残差学習と局所的なマイクロセンスアグリゲーションを備えた新しいアーキテクチャであるMicro-Dense Netsを提案する。
我々のマイクロセンスブロックはニューラルアーキテクチャ検索に基づくモデルと統合して性能を向上させることができる。
論文 参考訳(メタデータ) (2020-04-19T08:34:52Z) - Fitting the Search Space of Weight-sharing NAS with Graph Convolutional
Networks [100.14670789581811]
サンプルサブネットワークの性能に適合するグラフ畳み込みネットワークを訓練する。
この戦略により、選択された候補集合において、より高いランク相関係数が得られる。
論文 参考訳(メタデータ) (2020-04-17T19:12:39Z) - Dense Residual Network: Enhancing Global Dense Feature Flow for
Character Recognition [75.4027660840568]
本稿では,すべての畳み込み層から階層的特徴をフルに活用することにより,局所的・大域的特徴フローを改善する方法について検討する。
技術的には、テキスト認識のための効率的で効果的なCNNフレームワークであるFDRN(Fast Dense Residual Network)を提案する。
論文 参考訳(メタデータ) (2020-01-23T06:55:08Z)
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。