論文の概要: Elementary Cellular Automata along with delay sensitivity can model
communal riot dynamics
- arxiv url: http://arxiv.org/abs/2001.09265v1
- Date: Sat, 25 Jan 2020 05:23:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 01:10:23.954365
- Title: Elementary Cellular Automata along with delay sensitivity can model
communal riot dynamics
- Title(参考訳): 遅延感度を考慮した基本セルオートマトンによる集団暴動ダイナミクスのモデル化
- Authors: Souvik Roy and Abhik Mukherjee and Sukanta Das
- Abstract要約: 本稿では,社会学的パラメーターを捕捉するオートマトン更新方式において,情報の確率的損失と遅延摂動を導入する。
このモデルは、インドの西ベンガル州バドゥリアで最近起きた暴動によって検証されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work explores the potential of elementary cellular automata to model the
dynamics of riot. Here, to model such dynamics, we introduce probabilistic loss
of information and delay perturbation in the updating scheme of automata to
capture sociological parameters - presence of anti-riot population and
organizational presence of communal forces in the rioting society respectively.
Moreover, delay has also been incorporated in the model to capture the
non-local interaction of neighbours. Finally, the model is verified by a recent
event of riot that occurred in Baduria of West Bengal, India.
- Abstract(参考訳): この研究は、暴動のダイナミクスをモデル化する基本的なセル・オートマトンの可能性を探るものである。
そこで,このようなダイナミクスをモデル化するために,暴動社会における反リオット集団の存在と共同体勢力の組織的存在という社会学的パラメータを捉えるオートマタの更新計画において,情報の確率的損失と遅延摂動を導入する。
さらに、近傍の非局所的な相互作用を捉えるために遅延もモデルに組み込まれている。
最後に、このモデルはインドの西ベンガルのバドゥリアで発生した暴動によって検証される。
関連論文リスト
- MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction with
Neural ODEs [2.4169078025984825]
MTP-GOというモデルを紹介します。
時間グラフニューラルネットワークを使用してシーンを符号化し、基盤となるモーションモデルへの入力を生成する。
結果は,提案モデルが様々なデータセットにまたがる予測能力を示す。
論文 参考訳(メタデータ) (2023-02-01T20:03:47Z) - Safety-compliant Generative Adversarial Networks for Human Trajectory
Forecasting [95.82600221180415]
群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。
SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
論文 参考訳(メタデータ) (2022-09-25T15:18:56Z) - Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。
我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。
ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文 参考訳(メタデータ) (2022-06-29T07:49:48Z) - An advanced spatio-temporal convolutional recurrent neural network for
storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。
本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2022-04-18T23:42:18Z) - RTGNN: A Novel Approach to Model Stochastic Traffic Dynamics [9.267045415696263]
RTGNN(Recurrent Traffic Graph Neural Network)を提案する。
RTGNNはマルコフモデルであり、エゴ車両の運動に条件付けられた将来の交通状態を推測することができる。
我々は、トラフィックダイナミックスの本質的な部分的可観測性を反映するために、トラフィック状態の一部として、エージェントの隠れ状態である"意図"を明示的にモデル化する。
論文 参考訳(メタデータ) (2022-02-21T03:55:00Z) - A Predictive Coding Account for Chaotic Itinerancy [68.8204255655161]
予測符号化を実装したリカレントニューラルネットワークが,入力雑音の存在下でカオス的反復性に類似したニューラルトラジェクトリを生成する方法を示す。
本モデルを用いて,無作為かつ非依存なトラジェクタスイッチングトラジェクトリを生成する2つのシナリオを提案する。
論文 参考訳(メタデータ) (2021-06-16T16:48:14Z) - Anticipatory Navigation in Crowds by Probabilistic Prediction of
Pedestrian Future Movements [33.37913533544612]
プロセス予測ナビゲーション(Process Precipatory Navigation, SPAN)は、非ホロノミックロボットが群衆のいる環境で移動できるようにするフレームワークである。
SPANは、歩行者の将来の動きをモデル化する継続的プロセスを予測する。
密集したシミュレーション環境でのSPANの能力を実世界の歩行者データセットで示す。
論文 参考訳(メタデータ) (2020-11-12T07:18:20Z) - Action-Conditional Recurrent Kalman Networks For Forward and Inverse
Dynamics Learning [17.80270555749689]
ロボットのモデルベース制御において、正確な前方および逆ダイナミクスモデルの推定が重要な要素である。
本稿では,フォワードモデル学習のためのアーキテクチャと,逆モデル学習のためのアーキテクチャを提案する。
どちらのアーキテクチャも、予測性能の点で、既存のモデル学習フレームワークと分析モデルを大きく上回っている。
論文 参考訳(メタデータ) (2020-10-20T11:28:25Z) - Dynamic Model Pruning with Feedback [64.019079257231]
余分なオーバーヘッドを伴わずにスパーストレーニングモデルを生成する新しいモデル圧縮法を提案する。
CIFAR-10 と ImageNet を用いて本手法の評価を行い,得られたスパースモデルが高密度モデルの最先端性能に到達可能であることを示す。
論文 参考訳(メタデータ) (2020-06-12T15:07:08Z) - A Generative Learning Approach for Spatio-temporal Modeling in Connected
Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。
LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。
特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文 参考訳(メタデータ) (2020-03-16T03:43:59Z)
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。