論文の概要: Dynamic Latent Space Modeling of Inhomogeneous Poisson Network Processes with Applications to International Relations

• arxiv url: http://arxiv.org/abs/2609.08813v2
• Date: Thu, 10 Sep 2026 18:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.450884
• Title: Dynamic Latent Space Modeling of Inhomogeneous Poisson Network Processes with Applications to International Relations
• Title（参考訳）: 非均質ポアソンネットワークプロセスの動的遅延空間モデリングと国際関係への応用
• Abstract要約: 我々は,時間スタンプ付きダイアディック相互作用が個々のノードの妥当性と近接性の両方を反映する連続時間リレーショナルイベントデータについて検討した。 非均一なポアソン過程に対する動的潜時空間モデルを提案し、そこでは事象強度はノード固有の活動パラメータと、柔軟なB-スプラインでモデル化された時間変化潜時距離に依存する。
• 参考スコア（独自算出の注目度）: 1.988145627448243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study continuous-time relational event data, where time-stamped dyadic interactions reflect both individual node propensities and evolving relational proximity. We propose a dynamic latent space model for inhomogeneous Poisson processes, where event intensities depend on node-specific activity parameters and time-varying latent distances modeled via flexible B-splines. We prove model identifiability by decoupling baseline activity from latent position, ensuring high interaction volumes do not warp the spatial map. For scalability, we develop a minibatch stochastic gradient algorithm with stable initialization and geometric anchoring, alongside an effective-degrees-of-freedom BIC for tuning model complexity. Simulations confirm accurate parameter recovery and out-of-sample prediction. Applied to cooperative diplomatic events among 60 major economies (1995--2022), the model uncovers shifting patterns of international cooperation and isolates mobile geopolitical actors from stationary institutional anchors.
• Abstract（参考訳）: 我々は,時間スタンプ付きダイアディック相互作用が個々のノードの妥当性と進化するリレーショナル近接の両方を反映する連続時間リレーショナルイベントデータについて検討した。 非均一なポアソン過程に対する動的潜時空間モデルを提案し、そこでは事象強度はノード固有の活動パラメータと、柔軟なB-スプラインによってモデル化された時間変化潜時距離に依存する。 我々は,空間地図を歪ませないように,潜伏位置からベースライン活性を分離することでモデルの同定可能性を証明する。 拡張性のために、モデル複雑性をチューニングするための有効度自由度BICとともに、安定な初期化と幾何アンカリングを備えたミニバッチ確率勾配アルゴリズムを開発した。 シミュレーションは正確なパラメータ回復とアウト・オブ・サンプル予測を確認する。 60大経済間の協力的な外交イベント(1995-2022年)に応用し、国際協力の転換パターンを明らかにし、静止施設のアンカーから移動地政学的アクターを隔離する。

関連論文リスト

• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• RopeDreamer: A Kinematic Recurrent State Space Model for Dynamics of Flexible Deformable Linear Objects [12.045392054359551]
  逐次状態空間モデルと四元系キネマティックチェイン表現を組み合わせた潜在動的フレームワークを提案する。 我々は,自己切断を含む複雑なピック・アンド・プレース・トラジェクトリの大規模シミュレーションデータセットに対するアプローチを評価した。 提案手法は,50ステップの水平線上での開ループ予測誤差を40.52%削減できることを示す。
  論文  参考訳（メタデータ） (2026-04-30T17:47:44Z)
• GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis [54.39598154430305]
  本稿では,ペアビュー間の決定論的変換を直接学習するデータ間フローマッチングフレームワークを提案する。 PDG-FMは、事前訓練された拡散モデルの確率密度測定値から導かれる測地的補間剤を用いて流れの軌跡を制約する。 これらの結果は、一貫した新しいビュー生成のための決定論的フローマッチングにデータ依存の幾何正規化を組み込むことの利点を強調している。
  論文  参考訳（メタデータ） (2026-03-01T09:30:11Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• STEI-PCN: an efficient pure convolutional network for traffic prediction via spatial-temporal encoding and inferring [13.472378581383628]
  本稿では,空間時空間符号化と推論による交通予測のための効率的な純粋畳み込みネットワークを提案する。 時間的拡張因果畳み込みネットワークの3層は、長距離時間的相関を捉えるために使用される。 このモデルは、ゲートアクティベートされたオリジナル、局所同期継手時空間時間的特徴と長距離時間的特徴を統合し、包括的な予測を実現する。
  論文  参考訳（メタデータ） (2025-04-10T18:32:56Z)
• How to Bridge Spatial and Temporal Heterogeneity in Link Prediction? A Contrastive Method [11.719027225797037]
  我々は,新しいtextbfContrastive Learning-based textbfLink textbfPrediction model, textbfCLPを提案する。 我々のマイモデルは最先端モデルよりも一貫して優れており、AUCとAPで平均10.10%、13.44%の改善が示されている。
  論文  参考訳（メタデータ） (2024-11-01T14:20:53Z)
• FedASTA: Federated adaptive spatial-temporal attention for traffic flow prediction [30.346763969306398]
  モバイルデバイスとIoT(Internet of Things)デバイスは、今日では大量の異種空間時間データを生成している。 プライバシーの懸念の下で空間的時間的ダイナミクスをモデル化することは依然として難しい問題である。 動的空間時間関係をモデル化するための新しいFedASTAフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-21T11:44:07Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Structured Optimal Variational Inference for Dynamic Latent Space Models [16.531262817315696]
  動的ネットワークの潜在空間モデルについて検討し、その目的は、ペアの内積と潜在位置のインターセプトを推定することである。 後部推論と計算スケーラビリティのバランスをとるために、構造的平均場変動推論フレームワークを検討する。
  論文  参考訳（メタデータ） (2022-09-29T22:10:42Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• A Mutually Exciting Latent Space Hawkes Process Model for Continuous-time Networks [3.883893461313154]
  本稿では,ノードの潜在空間表現を用いた関係事象の連続時間ネットワークのための新しい生成モデルを提案する。 提案したLSHモデルは,相互性や推移性を含む実時間ネットワークで観測される多くの特徴を再現可能であることを示す。
  論文  参考訳（メタデータ） (2022-05-19T00:56:12Z)
• Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
  本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。 具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。 提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
  論文  参考訳（メタデータ） (2020-01-09T10:21:04Z)

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。