論文の概要: Dynamic Homophily with Imperfect Recall: Modeling Resilience in Adversarial Networks

• arxiv url: http://arxiv.org/abs/2512.12332v1
• Date: Sat, 13 Dec 2025 13:45:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.220545
• Title: Dynamic Homophily with Imperfect Recall: Modeling Resilience in Adversarial Networks
• Title（参考訳）: 不完全なリコールを伴う動的ホモフィリ:敵対的ネットワークにおけるレジリエンスのモデル化
• Authors: Saad Alqithami,
• Abstract要約: 本研究では、複素ネットワークのレジリエンスと適応性を総合的に形成するホモフィリ、メモリ制約、および敵対的破壊について検討する。 我々は, 明示的な記憶減衰機構をホモフィリーモデルに組み込む新しいフレームワークを開発した。 その結果、コサインの類似性はスパース、凸、モジュラーネットワークにおける安定性の指標を最大30%改善することがわかった。
• 参考スコア（独自算出の注目度）: 2.28438857884398
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The purpose of this study is to investigate how homophily, memory constraints, and adversarial disruptions collectively shape the resilience and adaptability of complex networks. To achieve this, we develop a new framework that integrates explicit memory decay mechanisms into homophily-based models and systematically evaluate their performance across diverse graph structures and adversarial settings. Our methods involve extensive experimentation on synthetic datasets, where we vary decay functions, reconnection probabilities, and similarity measures, primarily comparing cosine similarity with traditional metrics such as Jaccard similarity and baseline edge weights. The results show that cosine similarity achieves up to a 30\% improvement in stability metrics in sparse, convex, and modular networks. Moreover, the refined value-of-recall metric demonstrates that strategic forgetting can bolster resilience by balancing network robustness and adaptability. The findings underscore the critical importance of aligning memory and similarity parameters with the structural and adversarial dynamics of the network. By quantifying the tangible benefits of incorporating memory constraints into homophily-based analyses, this study offers actionable insights for optimizing real-world applications, including social systems, collaborative platforms, and cybersecurity contexts.
• Abstract（参考訳）: 本研究の目的は, 複雑なネットワークのレジリエンスと適応性を総合的に形成するために, ホモフィリシス, メモリ制約, および敵対的破壊がいかに構成されているかを検討することである。 これを実現するために, 明示的なメモリ減衰機構をホモフィリーモデルに統合し, 様々なグラフ構造や逆向き設定に対して, それらの性能を体系的に評価する新しいフレームワークを開発した。 提案手法は, 崩壊関数, 再接続確率, 類似度を測定する合成データセットを広範囲に実験し, 主にジャカルド類似度やベースラインエッジ重みといった従来の指標とコサイン類似度を比較した。 その結果, コサイン類似性はスパース, 凸, モジュールネットワークにおける安定性の指標を最大で30倍改善することがわかった。 さらに、改善された値・オブ・リコールは、ネットワークの堅牢性と適応性のバランスをとることで、戦略的忘れ込みがレジリエンスを高めることを実証している。 この結果は、メモリと類似度パラメータをネットワークの構造的・対角的ダイナミクスと整合させることの重要性を浮き彫りにした。 メモリ制約をホモフィリに基づく分析に組み込むことによる具体的な利点を定量化することにより、社会システム、協調プラットフォーム、サイバーセキュリティコンテキストを含む現実世界のアプリケーションを最適化するための実用的な洞察を提供する。

関連論文リスト

• Improving $(α, f)$-Byzantine Resilience in Federated Learning via layerwise aggregation and cosine distance [7.8973037023478785]
  フェデレートラーニング(FL)は、分散機械学習におけるデータプライバシの課題に対する潜在的な解決策である。 FLシステムは、悪意のあるノードが破損したモデル更新に寄与するビザンティン攻撃に弱いままである。 本稿では,高次元設定における規則の堅牢性向上を目的とした新しいアグリゲーション手法であるLayerwise Cosine Aggregationを紹介する。
  論文  参考訳（メタデータ） (2025-03-27T08:07:39Z)
• Exploring Cross-model Neuronal Correlations in the Context of Predicting Model Performance and Generalizability [2.6708879445664584]
  本稿では,新しいモデルを用いたモデルの性能評価手法を提案する。 提案手法は,1つのネットワーク内の各ニューロンに対して,類似の出力を生成する他のネットワークにニューロンが存在するかどうかを判定することにより相関性を評価する。
  論文  参考訳（メタデータ） (2024-08-15T22:57:39Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• Weak Augmentation Guided Relational Self-Supervised Learning [80.0680103295137]
  本稿では、異なるインスタンス間の関係をモデル化して表現を学習する新しいリレーショナル自己教師型学習(ReSSL)フレームワークを提案する。 提案手法では,異なるインスタンス間でのペアワイズ類似度の分布を,テクトitrelationmetricとして高めている。 実験の結果,提案したReSSLは,ネットワークアーキテクチャの異なる最先端手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-03-16T16:14:19Z)
• Image Synthesis via Semantic Composition [74.68191130898805]
  本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。 類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。 本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
  論文  参考訳（メタデータ） (2021-09-15T02:26:07Z)

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。