論文の概要: A Rule-Based Model for Victim Prediction
- arxiv url: http://arxiv.org/abs/2001.01391v3
- Date: Mon, 7 Mar 2022 07:16:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 02:44:47.276755
- Title: A Rule-Based Model for Victim Prediction
- Title（参考訳）: 被害者予測のためのルールベースモデル
- Authors: Murat Ozer, Nelly Elsayed, Said Varlioglu, Chengcheng Li, Niyazi Ekici
- Abstract要約: 本研究の目的は,集中抑止戦略のリストとVIPARスコアリストを比較し,今後の射撃被害の予測力について比較することである。
我々は、年齢、過去の犯罪歴、そして将来の暴力の主要な予測要因としてピアインフルエンスを使用している。
実験の結果、VIPARのスコアは、将来の銃撃の犠牲者の25.8%、将来の銃撃の容疑者の32.2%を予測しているのに対し、集中抑止リストは、将来の銃撃の犠牲者の13%、将来の銃撃の容疑者の9.4%を予測している。
- 参考スコア（独自算出の注目度）: 1.8199326045904993
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we proposed a novel automated model, called Vulnerability
Index for Population at Risk (VIPAR) scores, to identify rare populations for
their future shooting victimizations. Likewise, the focused deterrence approach
identifies vulnerable individuals and offers certain types of treatments (e.g.,
outreach services) to prevent violence in communities. The proposed rule-based
engine model is the first AI-based model for victim prediction. This paper aims
to compare the list of focused deterrence strategy with the VIPAR score list
regarding their predictive power for the future shooting victimizations.
Drawing on the criminological studies, the model uses age, past criminal
history, and peer influence as the main predictors of future violence. Social
network analysis is employed to measure the influence of peers on the outcome
variable. The model also uses logistic regression analysis to verify the
variable selections. Our empirical results show that VIPAR scores predict 25.8%
of future shooting victims and 32.2% of future shooting suspects, whereas
focused deterrence list predicts 13% of future shooting victims and 9.4% of
future shooting suspects. The model outperforms the intelligence list of
focused deterrence policies in predicting the future fatal and non-fatal
shootings. Furthermore, we discuss the concerns about the presumption of
innocence right.
- Abstract（参考訳）: そこで,本稿では,銃乱射事件における稀少個体を識別するために,viparスコアの脆弱性指数という新しい自動モデルを提案した。
同様に、集中抑止アプローチは、脆弱な個人を特定し、コミュニティの暴力を防ぐために特定の種類の治療(例えば、アウトリーチサービス)を提供する。
提案されたルールベースのエンジンモデルは、犠牲者予測のためのAIベースの最初のモデルである。
本研究の目的は,集中抑止戦略のリストとVIPARスコアリストを比較し,今後の射撃被害の予測力について述べることである。
このモデルは、犯罪学の研究を参考にし、将来の暴力の主な予測要因として年齢、過去の犯罪歴、ピア・インフルエンスを用いる。
ソーシャルネットワーク分析は、結果変数に対するピアの影響を測定するために用いられる。
このモデルはロジスティック回帰分析を使って変数の選択を検証する。
実験の結果、viparスコアは将来の射撃被害者の25.8%、将来の射撃容疑者の32.2%を予測し、フォーカス・抑止リストは将来の射撃被害者の13%、将来の射撃容疑者の9.4%を予測した。
このモデルは、将来の致命的および非致命的な射撃を予測するための集中的抑止政策のインテリジェンスリストを上回っている。
さらに、無罪権の想定に関する懸念についても論じる。
関連論文リスト
- BadHMP: Backdoor Attack against Human Motion Prediction [11.271295378687887]
我々は,人間の動作予測を対象とする最初のバックドアアタックであるBadHMPを提案する。
私たちのアプローチでは、局所的なバックドアトリガーを骨格の片腕に埋め込むことで、有毒なトレーニングサンプルを生成する。
トレーニングデータセット全体は、毒の最も適したサンプルを選択するためにトラバースされる。
論文 参考訳（メタデータ） (2024-09-29T09:55:31Z) - Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。
予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。
よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文 参考訳（メタデータ） (2024-08-09T16:03:44Z) - Selective Temporal Knowledge Graph Reasoning [70.11788354442218]
時間的知識グラフ(TKG)は、与えられた歴史的事実に基づいて将来の事実を予測することを目的としている。
既存のTKG推論モデルは、不確実な予測を控えることができない。
本稿では,既存のモデルが無差別な予測ではなく選択的に行うのに役立つ,TKG推論の棄却機構を提案する。
論文 参考訳（メタデータ） (2024-04-02T06:56:21Z) - When Fairness Meets Privacy: Exploring Privacy Threats in Fair Binary Classifiers via Membership Inference Attacks [17.243744418309593]
本研究では,公平度差分結果に基づく公平度向上モデルに対する効率的なMIA手法を提案する。
また、プライバシー漏洩を緩和するための潜在的戦略についても検討する。
論文 参考訳（メタデータ） (2023-11-07T10:28:17Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Adversarial Backdoor Attack by Naturalistic Data Poisoning on Trajectory
Prediction in Autonomous Driving [18.72382517467458]
本稿では,軌道予測モデルに対する新たな逆バックドア攻撃を提案する。
我々の攻撃は、自然主義的、従って、新しい2段階のアプローチで作られた毒のサンプルを盗むことによって、訓練時に被害者に影響を及ぼす。
提案手法は,予測モデルの性能を著しく損なうおそれがあり,攻撃効果が高いことを示す。
論文 参考訳（メタデータ） (2023-06-27T19:15:06Z) - Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。
我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
論文 参考訳（メタデータ） (2023-04-13T17:56:08Z) - Ground(less) Truth: A Causal Framework for Proxy Labels in
Human-Algorithm Decision-Making [29.071173441651734]
人間のAI意思決定タスクにおけるプロキシラベルの有効性に影響を与える5つの変数バイアス源を同定する。
各バイアス間の関係を乱すための因果的枠組みを開発する。
今後の研究において、ターゲット変数バイアスに対処する機会について論じる。
論文 参考訳（メタデータ） (2023-02-13T16:29:11Z) - AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。
我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。
私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文 参考訳（メタデータ） (2022-09-19T03:34:59Z) - A Unified Evaluation of Textual Backdoor Learning: Frameworks and
Benchmarks [72.7373468905418]
我々は,テキストバックドア学習の実装と評価を促進するオープンソースツールキットOpenBackdoorを開発した。
また,単純なクラスタリングに基づく防御ベースラインであるCUBEを提案する。
論文 参考訳（メタデータ） (2022-06-17T02:29:23Z) - A Comparative Study on Crime in Denver City Based on Machine Learning
and Data Mining [0.0]
2014年1月から2019年5月まで、アメリカ合衆国デンバー郡の現実の犯罪と事故のデータセットを分析した。
本研究の目的は、法執行機関や政府が予防措置の発見を支援することの見返りとして、発生の傾向を予測し、強調することである。
結果は、トレイン・テストの分割とk倍のクロスバリデーションという2つの一般的なテスト手法を使ってキャプチャされる。
論文 参考訳（メタデータ） (2020-01-09T01:36:11Z)
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。