論文の概要: Conditional Entropy of Heat Diffusion on Temporal Networks

• arxiv url: http://arxiv.org/abs/2605.21514v1
• Date: Fri, 15 May 2026 10:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.922223
• Title: Conditional Entropy of Heat Diffusion on Temporal Networks
• Title（参考訳）: 時間ネットワーク上の熱拡散の条件エントロピー
• Authors: Samuel Koovely, Alexandre Bovet,
• Abstract要約: 静的グラフから時間ネットワークへの熱拡散の条件エントロピーを拡張し,その特性について検討する。 この量は時間的単調であり、時間的ネットワーク上の不均一拡散に対する熱力学の第2法則の情報理論的類似性をもたらす。 次に、有限時間時間窓上での拡散を探索する条件付きエントロピーの局所バージョンを導入し、連続時間時間時間ネットワークにおける変化点検出のための情報信号を提供することを示す。
• 参考スコア（独自算出の注目度）: 46.780047051996924
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Many complex systems can be modeled by temporal networks, whose organization often evolves through distinct structural phases. Detecting the change points that delimit these phases is both important and challenging. In this work, we extend the conditional entropy of heat diffusion from static graphs to temporal networks and study its properties. We provide an upper bound and explain how discrepancies from it arise from the presence of asymmetric temporal paths. Moreover, we show that this quantity is monotone in time, yielding an information-theoretic analog of the second law of thermodynamics for inhomogeneous diffusion on temporal networks. We then introduce a local version of conditional entropy, designed to probe diffusion over finite temporal windows, and show that it provides an informative signal for change-point detection in continuous-time temporal networks. We evaluate the proposed methodology on synthetic benchmarks, including comparative experiments with existing nonparametric baselines in the snapshot setting, and then apply it to a real-world temporal contact network from a French primary school. Finally, we show how to use detected change points to perform community detection on targeted sub-intervals, improving the quality and interpretability of the clustering results.
• Abstract（参考訳）: 多くの複雑なシステムは時間的ネットワークによってモデル化することができ、その組織はしばしば異なる構造的フェーズを通して進化する。 これらのフェーズを分割する変更点の検出は、重要かつ困難である。 本研究では,静的グラフから時間ネットワークへの熱拡散の条件エントロピーを拡張し,その特性について検討する。 非対称な時間的経路の存在から、それとの違いがどのように生じるかを説明して、上限を与える。 さらに,この量は時間的単調であり,時間的ネットワーク上の不均一拡散に対する熱力学の第2法則の情報理論的類似性が得られることを示す。 次に、有限時間時間窓上での拡散を探索する条件付きエントロピーの局所バージョンを導入し、連続時間時間時間ネットワークにおける変化点検出のための情報信号を提供することを示す。 提案手法を合成ベンチマークで評価し,既存の非パラメトリックベースラインをスナップショット設定で比較実験し,それをフランスの小学校のリアルタイム時間接触ネットワークに適用した。 最後に、検出された変更点を用いて、ターゲットとするサブインターバル上でコミュニティ検出を行い、クラスタリング結果の品質と解釈性を向上させる方法を示す。

関連論文リスト

• Nonparametric estimation of time-varying network connections by multi-stage smoothing [7.678575259856196]
  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。
  論文  参考訳（メタデータ） (2026-05-07T19:05:14Z)
• Dynamic Sheaf Diffusion Networks with Adaptive Local Structure for Heterogeneous Spatio-Temporal Graph Learning [4.67724003380452]
  本稿では,グラフベクトル変換をせん断空間に埋め込む,せん断拡散グラフニューラルネットワーク(ST-Sheaf GNN)を提案する。 我々のモデルは時間とともに進化する動的制約マップを学習し、局所時間パターンに適応し、より表現力のある相互作用を可能にする。
  論文  参考訳（メタデータ） (2026-04-13T10:32:20Z)
• The Entropic Signature of Class Speciation in Diffusion Models [12.212582407125089]
  雑音状態が与えられた潜在意味変数のクラス条件エントロピーを追跡することで、遷移状態の信頼できるシグネチャが得られることを示す。 EDM2-XS と安定拡散 1.5 では,クラス条件エントロピーが意味構造形成に不可欠なノイズ機構を一貫して分離する。
  論文  参考訳（メタデータ） (2026-02-10T10:56:46Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
  ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
  論文  参考訳（メタデータ） (2025-06-01T22:55:55Z)
• Generating fine-grained surrogate temporal networks [12.7211231166069]
  代理時間ネットワークを生成するための新しい簡易な手法を提案する。 本手法は、入力ネットワークを時間とともに進化する星状構造に分解する。 次に、これらの構造をビルディングブロックとして使用して、代理時間ネットワークを生成する。
  論文  参考訳（メタデータ） (2022-05-18T09:38:22Z)
• Space-Time Graph Neural Networks [104.55175325870195]
  本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。 解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:08:44Z)
• Temporal Network Embedding via Tensor Factorization [13.490625417640658]
  時間ネットワークの埋め込みは、グラフ構造化情報と時間進化パターンの両方を符号化する必要がある。 時間的に進化するネットワーク表現の学習における既存のアプローチは、時間的相互依存を捉えることができない。 本稿ではテンソル分解に基づく時間的ネットワーク表現学習のための新しいアプローチであるToffeeを提案する。
  論文  参考訳（メタデータ） (2021-08-22T20:50:38Z)
• 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。