ネットワーク介入を用いた興奮性点過程の制御
動的ネットワーク上の離散イベントの伝播を効果的に制御するために、アモタイズド・ネットワーク介入(ANI)フレームワークを提案する。ANIは、履歴から最適な方策をプーリングし、多様なコンテキストにわたって効率的な知識転移を可能にする。各タスクは、ニューラルODEを用いて興奮性点過程の動力学をモデル化するH ステップ先読みモデルベースの強化学習によって解決される。オンラインプランニングでは、イベントフローの解析的な平均場近似を導出することで、効率的な方策学習を実現する。