ترجمه فارسی مقاله لینک پویا و پیش بینی جریان در شبکه های انتقال بانکی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Dynamic Link and Flow Prediction in Bank Transfer Networks
عنوان مقاله به فارسی لینک پویا و پیش بینی جریان در شبکه های انتقال بانکی
نویسندگان Shu Takahashi, Kento Yamamoto, Shumpei Kobayashi, Ryoma Kondo, Ryohei Hisano
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات General Economics,اقتصاد عمومی ,
توضیحات Submitted 13 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 13 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The prediction of both the existence and weight of network links at future time points is essential as complex networks evolve over time. Traditional methods, such as vector autoregression and factor models, have been applied to small, dense networks, but become computationally impractical for large-scale, sparse, and complex networks. Some machine learning models address dynamic link prediction, but few address the simultaneous prediction of both link presence and weight. Therefore, we introduce a novel model that dynamically predicts link presence and weight by dividing the task into two sub-tasks: predicting remittance ratios and forecasting the total remittance volume. We use a self-attention mechanism that combines temporal-topological neighborhood features to predict remittance ratios and use a separate model to forecast the total remittance volume. We achieve the final prediction by multiplying the outputs of these models. We validated our approach using two real-world datasets: a cryptocurrency network and bank transfer network.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی هم وجود و هم وزن پیوندهای شبکه در نقاط زمانی آینده ضروری است زیرا شبکه های پیچیده با گذشت زمان تکامل می یابند.روشهای سنتی ، مانند مدل های بردار و مدل های فاکتور ، در شبکه های کوچک و متراکم اعمال شده است ، اما برای شبکه های در مقیاس بزرگ ، پراکنده و پیچیده از نظر محاسباتی غیر عملی می شوند.برخی از مدل های یادگیری ماشین به پیش بینی پیوند پویا می پردازند ، اما تعداد کمی از آنها پیش بینی همزمان حضور پیوند و وزن را نشان می دهند.بنابراین ، ما یک مدل جدید را معرفی می کنیم که با تقسیم کار به دو کار فرعی ، حضور و وزن پیوند را به صورت پویا پیش بینی می کند: پیش بینی نسبت های حواله و پیش بینی حجم کل حواله.ما از یک مکانیسم خودآگاهی استفاده می کنیم که ترکیب ویژگی های محله زمانی و توپی برای پیش بینی نسبت حواله و استفاده از یک مدل جداگانه برای پیش بینی حجم کل حواله است.ما با ضرب خروجی های این مدل ها به پیش بینی نهایی می رسیم.ما رویکرد خود را با استفاده از دو مجموعه داده در دنیای واقعی تأیید کردیم: یک شبکه cryptocurrency و شبکه انتقال بانکی.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.