論文の概要: A Simulation Model Demonstrating the Impact of Social Aspects on Social Internet of Things

• arxiv url: http://arxiv.org/abs/2002.11507v1
• Date: Sun, 23 Feb 2020 07:18:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 09:56:01.839336
• Title: A Simulation Model Demonstrating the Impact of Social Aspects on Social Internet of Things
• Title（参考訳）: 社会的側面がモノのインターネットに与える影響を実証するシミュレーションモデル
• Authors: Kashif Zia
• Abstract要約: 本稿では,社会的行動が社会的対象の相互作用パターンに及ぼす影響について考察する。 本稿では,競争的社会パラダイムと協調的社会パラダイムの関係について考察する。 協調戦略は競争戦略よりも効率的であることが証明された。
• 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: In addition to seamless connectivity and smartness, the objects in the Internet of Things (IoT) are expected to have the social capabilities -- these objects are termed as ``social objects''. In this paper, an intuitive paradigm of social interactions between these objects are argued and modeled. The impact of social behavior on the interaction pattern of social objects is studied taking Peer-to-Peer (P2P) resource sharing as an example application. The model proposed in this paper studies the implications of competitive vs. cooperative social paradigm, while peers attempt to attain the shared resources / services. The simulation results divulge that the social capabilities of the peers impart a significant increase in the quality of interactions between social objects. Through an agent-based simulation study, it is proved that cooperative strategy is more efficient than competitive strategy. Moreover, cooperation with an underpinning on real-life networking structure and mobility does not negatively impact the efficiency of the system at all; rather it helps.
• Abstract（参考訳）: シームレスな接続性とスマートさに加えて、IoT(Internet of Things)のオブジェクトには社会的能力が期待されている。 本稿では,これらのオブジェクト間の社会的相互作用の直感的なパラダイムを議論し,モデル化する。 P2P(Peer-to-Peer)リソースの共有を例に,ソーシャルオブジェクトの相互作用パターンに対する社会的行動の影響について検討した。 本稿では,競争対協調的社会パラダイムの意義について考察する一方で,共有資源・サービスの実現を試みている。 シミュレーションの結果、仲間の社会的能力が社会的対象間の相互作用の質を著しく向上させることが明らかとなった。 エージェントに基づくシミュレーション研究により,協調戦略は競争戦略よりも効率的であることが証明された。 さらに、実生活のネットワーク構造とモビリティの基盤となる協力は、システムの効率に悪影響を及ぼさない。

関連論文リスト

• AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society [32.849311155921264]
  本稿では,現実的な社会環境を統合した大規模社会シミュレータであるAgentSocietyを提案する。 提案したシミュレーターに基づいて,500万件のインタラクションをシミュレートし,10万件以上のエージェントの社会生活を生成する。 偏極、炎症性メッセージの普及、普遍的ベーシック・インカム・ポリシーの効果、ハリケーンなどの外部ショックの影響の4つに焦点をあてる。
  論文  参考訳（メタデータ） (2025-02-12T15:27:07Z)
• Social-LLM: Modeling User Behavior at Scale using Language Models and Social Network Data [13.660150473547766]
  本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。 提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。 実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
  論文  参考訳（メタデータ） (2023-12-31T05:13:13Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• SocialCircle: Learning the Angle-based Social Interaction Representation for Pedestrian Trajectory Prediction [19.075215661355486]
  我々は,ソーシャルインタラクションのコンテキストを継続的に反映する,新しいアングルベースのトレーニング可能なソーシャルインタラクション表現であるSocialCircleを構築した。 提案するSocialCircleの効果を,新たにリリースされたトラジェクトリ予測モデルとともにトレーニングすることで検証する。 実験によると、SocialCircleは予測性能を定量的に改善するだけでなく、質的にも社会的相互作用をシミュレートするのに役立つ。
  論文  参考訳（メタデータ） (2023-10-09T02:59:21Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• Flexible social inference facilitates targeted social learning when rewards are not observable [58.762004496858836]
  グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。 社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
  論文  参考訳（メタデータ） (2022-12-01T21:04:03Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。 提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
  論文  参考訳（メタデータ） (2022-08-22T14:06:06Z)
• Simulating Social Acceptability With Agent-based Modeling [28.727916976371265]
  私たちは、ソーシャルなプラクティスの動的なバンドルとして、ソーシャルスペースを再編成することを提案します。 我々は、新しいパターンの規則性だけでなく、プラクティス間の特定の相互作用に焦点を当てた研究の方向性について概説する。
  論文  参考訳（メタデータ） (2021-05-14T09:31:43Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)

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。