DAMNETS: A Deep Autoregressive Model for Generating Markovian Network Time Series

要約

ネットワーク時系列の生成モデル (ダイナミック グラフとも呼ばれる) は、複雑なグラフベースのダイナミクスが中心的な研究対象である疫学、生物学、経済学などの分野で大きな可能性を秘めています。
柔軟でスケーラブルな生成モデルの設計は、データの次元が高いことに加え、時間的な依存関係や限界ネットワーク構造を表現する必要があるため、非常に困難な作業です。
ここでは、ネットワーク時系列のスケーラブルな深層生成モデルである DAMNETS を紹介します。
DAMNETS は、実際のデータセットと合成データセットの両方において、サンプル品質のすべての尺度において競合手法よりも優れています。

要約(オリジナル)

Generative models for network time series (also known as dynamic graphs) have tremendous potential in fields such as epidemiology, biology and economics, where complex graph-based dynamics are core objects of study. Designing flexible and scalable generative models is a very challenging task due to the high dimensionality of the data, as well as the need to represent temporal dependencies and marginal network structure. Here we introduce DAMNETS, a scalable deep generative model for network time series. DAMNETS outperforms competing methods on all of our measures of sample quality, over both real and synthetic data sets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google