論文の概要: Nonparametric estimation of time-varying network connections by multi-stage smoothing

• arxiv url: http://arxiv.org/abs/2605.06862v1
• Date: Thu, 07 May 2026 19:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.565164
• Title: Nonparametric estimation of time-varying network connections by multi-stage smoothing
• Title（参考訳）: 多段平滑化による時間変化ネットワーク接続の非パラメトリック推定
• Authors: Jeonghwan Lee, Tianxi Li, Adam J. Rothman,
• Abstract要約: 複数の時間点で観測される時間変化ネットワークの基盤となるエッジ確率を推定する問題を考察する。 本稿では,まず各エッジに時間的局所的平滑化を適用し,ノード領域平滑化を行う多段階平滑化推定器を提案する。
• 参考スコア（独自算出の注目度）: 7.678575259856196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of estimating the underlying edge probabilities of a time-varying network observed at multiple time points. The probability structure is represented by a time-varying graphon that satisfies temporal Hölder smoothness and piecewise Lipschitz conditions in the latent variables. We propose a multi-stage smoothing estimator that first applies temporal local smoothing to each edge and then performs node-domain smoothing using a data-driven neighborhood construction adapted from the method. An additional temporal smoothing step is introduced as an optional refinement when uniform accuracy over the entire time domain is required. Simulation studies demonstrate the benefits of combining temporal and node-domain smoothing under different generative models. We also apply the method to a real time-varying network dataset and show that it captures both smooth temporal evolution and structural patterns in the connectivity.
• Abstract（参考訳）: 複数の時間点で観測される時間変化ネットワークの基盤となるエッジ確率を推定する問題を考察する。 確率構造は、潜伏変数の時間的ヘルダー滑らかさと断片的なリプシッツ条件を満たす時間変化グラフンで表される。 本研究では,まず各エッジに時間的局所的平滑化を適用し,その手法に適応したデータ駆動近傍構造を用いてノード領域平滑化を行う多段階平滑化推定器を提案する。 時間領域全体にわたる均一な精度が必要な場合には、追加の時間的平滑化ステップをオプションの精細化として導入する。 シミュレーション研究は、異なる生成モデルの下で時間領域とノード領域の平滑化を組み合わせる利点を実証している。 また,本手法を実時間変動ネットワークデータセットに適用し,接続のスムーズな時間的進化と構造パターンの両方を捉えることを示す。

関連論文リスト

• Whittaker-Henderson smoother for long satellite image time series interpolation [0.27074235008521236]
  Whittaker smootherは、衛星画像時系列を前処理するための広く採用されているソリューションである。 本稿では、Whittakerをスムースに微分可能なニューラルネットワーク層としてキャストすることで、2つの重要な制限に対処する。 フレームワークはさらに拡張され、時間変化の正規化によって異方性雑音を処理する。
  論文  参考訳（メタデータ） (2026-03-30T11:04:48Z)
• Adaptive Fuzzy Time Series Forecasting via Partially Asymmetric Convolution and Sub-Sliding Window Fusion [0.0]
  本稿では,スライディングウィンドウの時間に基づいて,部分的に非対称な設計を施した新しい畳み込みアーキテクチャを提案する。 提案手法は,一般的な時系列データセットのほとんどに対して,最先端の結果を得られる。
  論文  参考訳（メタデータ） (2025-07-28T08:58:25Z)
• TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
  時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。 本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
  論文  参考訳（メタデータ） (2024-02-04T13:10:51Z)
• Intensity Profile Projection: A Framework for Continuous-Time Representation Learning for Dynamic Networks [50.2033914945157]
  本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。 このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。 さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T15:38:25Z)
• Irregularly-Sampled Time Series Modeling with Spline Networks [0.0]
  本稿では,スプラインをニューラルネットワークへの入力として,特に補間関数に直接変換を適用することを提案する。 これにより、不規則なシーケンスをコンパクトに表現し、分類や予測といった下流タスクでこの表現を使用することができる。
  論文  参考訳（メタデータ） (2022-10-19T15:05:41Z)
• Direct Embedding of Temporal Network Edges via Time-Decayed Line Graphs [51.51417735550026]
  時間的ネットワーク上での機械学習の方法は、一般的に2つの制限のうちの少なくとも1つを示す。 ネットワークのライングラフは,各インタラクションのノードを含むもので,インタラクション間の時間差に基づいて,このグラフのエッジを重み付けする。 実世界のネットワークにおける実験結果から,エッジ分類と時間リンク予測の両方において,本手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2022-09-30T18:24:13Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• Spatio-Temporal Variational Gaussian Processes [26.60276485130467]
  時空間フィルタリングと自然変動推論を組み合わせたガウス過程推論にスケーラブルなアプローチを導入する。 還元された誘導点集合上で状態空間モデルを構成するスパース近似を導出する。 分離可能なマルコフカーネルの場合、完全スパースケースは標準変分GPを正確に回復する。
  論文  参考訳（メタデータ） (2021-11-02T16:53:31Z)
• Evolutionary Robust Clustering Over Time for Temporal Data [19.246970766964033]
  多くのクラスタリングシーンでは、データサンプルの属性値が時間とともに変化する。 本稿では、時間とともに進化的ロバストクラスタリングと呼ばれる新しいクラスタリングフレームワークを提案する。 提案フレームワークの重要な革新の1つは、時間的滑らかさを後続的に処理することである。
  論文  参考訳（メタデータ） (2021-06-14T09:07:42Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。