論文の概要: Twinning Complex Networked Systems: Data-Driven Calibration of the mABCD Synthetic Graph Generator

• arxiv url: http://arxiv.org/abs/2602.02044v1
• Date: Mon, 02 Feb 2026 12:40:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.148281
• Title: Twinning Complex Networked Systems: Data-Driven Calibration of the mABCD Synthetic Graph Generator
• Title（参考訳）: 複合ネットワークシステムのツインニング:mABCD合成グラフ生成器のデータ駆動校正
• Authors: Piotr Bródka, Michał Czuba, Bogumił Kamiński, Łukasz Kraiński, Katarzyna Musial, Paweł Prałat, Mateusz Stolarski,
• Abstract要約: 本稿では、マッチング構成を推定し、関連するエラーを定量化する手法を提案する。 構成パラメータ間の強い相互依存が独立推定を弱め、代わりに共同予測アプローチを好んでいることから,本課題は非自明であることを示す。
• 参考スコア（独自算出の注目度）: 2.6776012440607784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing availability of relational data has contributed to a growing reliance on network-based representations of complex systems. Over time, these models have evolved to capture more nuanced properties, such as the heterogeneity of relationships, leading to the concept of multilayer networks. However, the analysis and evaluation of methods for these structures is often hindered by the limited availability of large-scale empirical data. As a result, graph generators are commonly used as a workaround, albeit at the cost of introducing systematic biases. In this paper, we address the inverse-generator problem by inferring the configuration parameters of a multilayer network generator, mABCD, from a real-world system. Our goal is to identify parameter settings that enable the generator to produce synthetic networks that act as digital twins of the original structure. We propose a method for estimating matching configurations and for quantifying the associated error. Our results demonstrate that this task is non-trivial, as strong interdependencies between configuration parameters weaken independent estimation and instead favour a joint-prediction approach.
• Abstract（参考訳）: リレーショナルデータの可用性の向上は、複雑なシステムのネットワークベースの表現への依存の高まりに寄与している。 時間とともに、これらのモデルは、関係の不均一性のようなよりニュアンスな特性を捉え、多層ネットワークの概念へと発展してきた。 しかし,これらの構造の解析と評価は,大規模な経験的データの利用が限られているため,しばしば妨げられる。 結果として、グラフジェネレータは、体系的なバイアスを導入するコストにもかかわらず、回避策として一般的に使用される。 本稿では,マルチレイヤネットワークジェネレータであるmABCDの構成パラメータを実世界のシステムから推定することにより,逆生成問題に対処する。 我々のゴールは、ジェネレータが元の構造のデジタル双対として機能する合成ネットワークを生成できるようにするパラメータ設定を特定することである。 本稿では、マッチング構成を推定し、関連するエラーを定量化する手法を提案する。 構成パラメータ間の強い相互依存が独立推定を弱め、代わりに共同予測アプローチを好んでいることから,本課題は非自明であることを示す。

関連論文リスト

• On the Identifiability of Regime-Switching Models with Multi-Lag Dependencies [42.274922469778545]
  マルチラグレジームスイッチングモデル(RSM)の一般的な理論的枠組みを開発する。 非線形ガウス条件下では,レギュラー数とマルチラグ遷移の双方の識別可能性を示す。 我々の結果は、アーキテクチャとノイズの仮定を通して完全に教師なしの設定を保ちます。
  論文  参考訳（メタデータ） (2026-01-06T15:12:39Z)
• PrAda-GAN: A Private Adaptive Generative Adversarial Network with Bayes Network Structure [16.649885271188353]
  ベイズネットワーク構造を持つプライベート適応生成逆数ネットワーク(PrAda-GAN)を提案する。 提案手法では,変数間の複雑な依存関係を逐次生成するアーキテクチャを採用し,学習構造を適応的に正規化し,基礎となるベイズネットワークの疎結合を促進する。 分析の結果,依存性の分散化は収束率を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2025-11-11T09:00:51Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• Inferring Dynamic Networks from Marginals with Iterative Proportional Fitting [57.487936697747024]
  実世界のデータ制約から生じる一般的なネットワーク推論問題は、その時間集約された隣接行列から動的ネットワークを推論する方法である。 本稿では,ネットワーク構造に対する最小限の変更の下でIPFの収束を保証するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-28T20:24:56Z)
• DANI: Fast Diffusion Aware Network Inference with Preserving Topological Structure Property [2.8948274245812327]
  そこで我々は,DANIと呼ばれる新しい手法を提案し,その構造特性を保ちながら基礎となるネットワークを推定する。 DANIは、モジュール構造、次数分布、連結成分、密度、クラスタリング係数を含む構造特性を維持しながら、より高い精度と低い実行時間を有する。
  論文  参考訳（メタデータ） (2023-10-02T23:23:00Z)
• InVAErt networks: a data-driven framework for model synthesis and identifiability analysis [0.0]
  inVAErtは物理システムのデータ駆動分析と合成のためのフレームワークである。 これは、前方および逆写像を表す決定論的デコーダ、系の出力の確率分布を捉える正規化フロー、入力と出力の間の単射性の欠如についてコンパクトな潜在表現を学ぶ変分エンコーダを使用する。
  論文  参考訳（メタデータ） (2023-07-24T07:58:18Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
  本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。 本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
  論文  参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。