論文の概要: Reconstruction of Enhanced Causal Omnidirectional Network (RECON)

• arxiv url: http://arxiv.org/abs/2607.21833v1
• Date: Thu, 23 Jul 2026 21:48:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.004503
• Title: Reconstruction of Enhanced Causal Omnidirectional Network (RECON)
• Title（参考訳）: 拡張因果Omnidirectional Network (RECON) の再建
• Abstract要約: 時間軸データから規制ネットワークを再構築するための新しい手法であるRECON(Restruction of Enhanced Causal Omnidirectional Network)を提案する。 まず、データ駆動のエッジ選択手順を導入し、真の規制エッジを維持しながら、スプリアスエッジを大幅に削減する。 第二に、単なる統計的関連やノイズアーティファクトではなく、因果関係を捉える全方位ネットワークを再構築する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning a dynamical system and reconstructing the underlying regulatory network from $p$ discretely observed state trajectories remain challenging problems. Existing approaches often produced a large number of spurious edges and suffered from several methodological limitations. We propose a new approach, Reconstruction of Enhanced Causal Omnidirectional Network (RECON), that leverages an integral-based additive nonparametric ODE model to reconstruct regulatory networks from $p$ time-course data. RECON incorporates five methodological advances. First, it incorporates a new data-driven edge selection procedure that substantially reduces spurious edges while preserving true regulatory edges. Second, it reconstructs an omnidirectional network that captures causal regulatory relationships rather than merely statistical associations or noise artifacts. Third, it substantially broadens the applicability of standard ODE-based approaches by accommodating both dense regular and sparse irregular longitudinal sampling scenarios. Fourth, it models both node trajectories and edge regulatory effects as time-varying functions, emphasizing a dynamic regulatory network. Fifth, it reconstructs a signed and weighted regulatory network and provides comprehensive network interpretation through two-way direction, activatory/inhibitory indicator, and strength, together with keystone node identification and topological structure. Across five simulation studies, RECON consistently outperforms GRADE by removing nearly all spurious edges while retaining nearly all true regulatory edges, resulting in highly accurate network reconstruction. In the most challenging scenario, the number of spurious edges is reduced from 239 to 0.
• Abstract（参考訳）: 動的システムを学び、その基盤となる規制ネットワークを$p$で離散的に観測された状態軌跡から再構築することは、依然として困難な問題である。 既存のアプローチは、しばしば多くの刺激的なエッジを生み出し、いくつかの方法論的な制限に悩まされた。 本稿では,積分型加法的非パラメトリックODEモデルを用いて,時間軸データから規制ネットワークを再構築する手法であるRECON(Restruction of Enhanced Causal Omnidirectional Network)を提案する。 RECONは5つの方法論的進歩を取り入れている。 まず、データ駆動のエッジ選択手順を導入し、真の規制エッジを維持しながら、スプリアスエッジを大幅に削減する。 第二に、単なる統計的関連やノイズアーティファクトではなく、因果関係を捉える全方位ネットワークを再構築する。 第3に、高密度正則法と疎不規則な縦断サンプリングシナリオを併用することにより、標準ODEベースのアプローチの適用性を大幅に拡大する。 第4に、ノードトラジェクトリとエッジ規制効果を時間変化関数としてモデル化し、動的規制ネットワークを強調する。 第5に、署名された重み付けされた規制ネットワークを再構築し、キーストーンノードの識別とトポロジカル構造とともに、双方向方向、アクティベーション/阻害指標、強度を通じて網羅的なネットワーク解釈を提供する。 5つのシミュレーション研究を通して、RECONはGRADEを一貫して上回り、ほぼ全ての真の規制エッジを維持しながら、ほぼ全ての刺激的なエッジを除去し、高い精度のネットワーク再構築をもたらす。 最も困難なシナリオでは、スパイラルエッジの数は239から0に減少する。

関連論文リスト

• Enhancing Distance-Based Graph Autoencoders with Structural Penalties for Dynamic Graph Embedding [41.99844472131922]
  再建損失に構造的ペナルティを組み込んだ3つの距離ベースGAE変種を提案する。 すべての変種は、2層グラフ畳み込みネットワークエンコーダと、距離ベースの再構成目的で訓練されたユークリッド距離デコーダを共有する。 次数集中度に基づくハブペナルティ(i)Natural Community Local Intrinsic dimensionity(NC-LID)に基づくハブペナルティ(ii)。
  論文  参考訳（メタデータ） (2026-08-19T10:13:56Z)
• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• Structure-Dependent Regret and Constraint Violation Bounds for Online Convex Optimization with Time-Varying Constraints [12.438794398358548]
  本稿では,ネットワーク現象に対する制約変動の構造的特徴について紹介する。 制約過程が規則性を示すとき、逆数率を厳密に改善する構造に依存した結合境界を導出する。 合成ベンチマークと実世界のデータセットの実験により、SA-PDは累積制約違反を最大53%削減することを示した。
  論文  参考訳（メタデータ） (2026-03-15T10:30:35Z)
• Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks [52.153950303594684]
  交互勾配流(Alternating Gradient Flow, AGF)に着想を得た非結合型運動パラダイムを提案する。 AGFはネットワークの構造的「運動ユーティリティ」を正確にキャプチャする 我々は、AGFに誘導されるオフライン構造探索を、ゼロコストの物理プリミティブを介してオンライン実行から切り離すハイブリッドルーティングフレームワークを設計する。
  論文  参考訳（メタデータ） (2026-03-12T18:19:21Z)
• Inferring Network Evolutionary History via Structure-State Coupled Learning [24.30094486091075]
  時間的アノテーションが制限された単一の最終スナップショットからネットワークの進化履歴を推測することは、基本的だが難しい。 本稿では、ネットワーク進化史推定のための追加的かつ広くアクセス可能な観測として、ネットワーク定常状態力学を利用する。 6つの実時間ネットワークの実験は、複数の動的プロセスで評価され、CS$2$は強いベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-01-05T13:53:44Z)
• From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
  本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。 損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-05T13:26:17Z)
• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• The Sample Complexity of One-Hidden-Layer Neural Networks [57.6421258363243]
  本研究では,スカラー値を持つ一層ネットワークのクラスとユークリッドノルムで有界な入力について検討する。 隠蔽層重み行列のスペクトルノルムの制御は、一様収束を保証するには不十分であることを示す。 スペクトルノルム制御が十分であることを示す2つの重要な設定を解析する。
  論文  参考訳（メタデータ） (2022-02-13T07:12:02Z)
• Edge Rewiring Goes Neural: Boosting Network Resilience via Policy Gradient [62.660451283548724]
  ResiNetは、さまざまな災害や攻撃に対する回復力のあるネットワークトポロジを発見するための強化学習フレームワークである。 ResiNetは複数のグラフに対してほぼ最適のレジリエンス向上を実現し,ユーティリティのバランスを保ちながら,既存のアプローチに比べて大きなマージンを持つことを示す。
  論文  参考訳（メタデータ） (2021-10-18T06:14:28Z)
• Iterative Network for Image Super-Resolution [69.07361550998318]
  単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。 本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。 反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
  論文  参考訳（メタデータ） (2020-05-20T11:11:47Z)
• An algorithm for reconstruction of triangle-free linear dynamic networks with verification of correctness [2.28438857884398]
  本稿では,三角形のないネットワークのトポロジを正確に復元するか,あるいは実際のネットワークのトポロジよりもスペーサーなグラフを出力する手法を提案する。 無限のデータに限っても、真のネットワークに存在しないエッジを推測することで、任意の再構成手法が受容可能であることを証明している。
  論文  参考訳（メタデータ） (2020-03-05T19:10:29Z)

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。