論文の概要: Game Theory on the Ground: The Effect of Increased Patrols on Deterring Poachers

• arxiv url: http://arxiv.org/abs/2006.12411v1
• Date: Mon, 22 Jun 2020 16:40:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-13 05:01:10.441637
• Title: Game Theory on the Ground: The Effect of Increased Patrols on Deterring Poachers
• Title（参考訳）: 地面におけるゲーム理論: ポーカーの劣化に及ぼすパトロールの増加の影響
• Authors: Lily Xu, Andrew Perrault, Andrew Plumptre, Margaret Driciru, Fred Wanyama, Aggrey Rwetsiba, Milind Tambe
• Abstract要約: 実世界の密猟データに測定可能な抑止効果を示す。 1つの地域でのパトロールの増加は次のタイミングで密猟を阻止するが、密猟者は隣の地域に移動する。 本研究は,現実的なゲーム理論における敵のモデル化方法についてのガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 27.52979853114279
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Applications of artificial intelligence for wildlife protection have focused on learning models of poacher behavior based on historical patterns. However, poachers' behaviors are described not only by their historical preferences, but also their reaction to ranger patrols. Past work applying machine learning and game theory to combat poaching have hypothesized that ranger patrols deter poachers, but have been unable to find evidence to identify how or even if deterrence occurs. Here for the first time, we demonstrate a measurable deterrence effect on real-world poaching data. We show that increased patrols in one region deter poaching in the next timestep, but poachers then move to neighboring regions. Our findings offer guidance on how adversaries should be modeled in realistic game-theoretic settings.
• Abstract（参考訳）: 野生生物保護のための人工知能の応用は、歴史的パターンに基づく密猟者の行動の学習モデルに焦点を当てている。 しかし、密猟者の行動は、歴史的好みだけでなく、レンジャーパトロールに対する反応からも説明されている。 機械学習とゲーム理論をポーチと戦うために応用した過去の研究は、レンジャーパトロールがポーチを抑えるという仮説を立てている。 ここでは,実世界の密猟データに対する測定可能な抑止効果を初めて示す。 ある地域でのパトロールが増加すると、次の時間に密猟が抑えられるが、密猟者は隣の地域に移動する。 本研究は,現実のゲーム理論環境での敵をモデル化する方法に関するガイダンスを提供する。

関連論文リスト

• Fight Fire with Fire: Combating Adversarial Patch Attacks using Pattern-randomized Defensive Patches [12.329244399788669]
  オブジェクト検出は、敵のパッチ攻撃の影響を受けやすい。 本稿では,敵の攻撃を防御するための新規かつ汎用的な手法を提案する。 カナリアとウッドペッカーの2種類の防御パッチが特別に製作され、モデル入力に注入され、潜在的な敵のパッチを積極的に調査または対向させる。
  論文  参考訳（メタデータ） (2023-11-10T15:36:57Z)
• Rethinking Backdoor Attacks [122.1008188058615]
  バックドア攻撃では、悪意ある構築されたバックドアの例をトレーニングセットに挿入し、結果のモデルを操作に脆弱にする。 このような攻撃に対する防御は、典型的には、これらの挿入された例をトレーニングセットの外れ値として見ることと、堅牢な統計からのテクニックを使用してそれらを検出し、削除することである。 トレーニングデータ分布に関する構造情報がなければ,バックドア攻撃は自然に発生するデータの特徴と区別できないことを示す。
  論文  参考訳（メタデータ） (2023-07-19T17:44:54Z)
• Coevolution of Camouflage [0.0]
  自然界のカモフラージュは捕食者と獲物との競争から生じているようである。 この研究は、その敵対関係の抽象的なモデルをシミュレートする。 それは、進化する捕食者の視覚と競合する、獲物のカモフラージュパターンの進化を通して、クリーププシスを観察する。
  論文  参考訳（メタデータ） (2023-04-24T02:36:25Z)
• Towards Deeper Understanding of Camouflaged Object Detection [64.81987999832032]
  バイナリセグメンテーション設定は、カモフラージュの概念を完全に理解できない。 そこで本研究では,カモフラージュされたオブジェクトの局所化,セグメント化,ランク付けを同時に行う3段階学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-23T14:26:18Z)
• Ranked Prioritization of Groups in Combinatorial Bandit Allocation [62.24280332575472]
  我々は,種々に対する報酬を交換する新たな盗賊的目標を提案する。 この目的をリプシッツ連続報酬関数の重み付き線型和として表すことができる。
  論文  参考訳（メタデータ） (2022-05-11T17:40:29Z)
• Robust Reinforcement Learning Under Minimax Regret for Green Security [50.03819244940543]
  グリーン・セキュリティ・ドメインは、密猟者、違法なロガー、違法な漁師の敵対行動の不確実さに直面してパトロールを計画する被告を特徴としている。 文献では検討されていないミニマックスの後悔基準に従って,グリーンセキュリティのための堅牢なシーケンシャルパトロール計画に着目する。 対戦行動のパラメータ値を制御するディフェンダーと自然のゲームとしてこの問題を定式化し,ロバストなポリシーを見つけるアルゴリズムMIRRORを設計する。
  論文  参考訳（メタデータ） (2021-06-15T20:11:12Z)
• Enhancing Poaching Predictions for Under-Resourced Wildlife Conservation Parks Using Remote Sensing Imagery [28.53118931015838]
  本稿では,公園の機能を抽出するためのリモートセンシングデータの利用について紹介する。 公開データのみを用いて,公園の専門家による予測に匹敵する予測性能を回復する。
  論文  参考訳（メタデータ） (2020-11-20T22:06:57Z)
• Collective defense of honeybee colonies: experimental results and theoretical modeling [2.519906683279153]
  社会性昆虫のコロニーは、通常、大きな脊椎動物の捕食者と対決する。 ここでは, 個々のハチが異なるアラームフェロモン濃度にどのように反応するか, そして, この進化した反応パターンが群レベルでどのように協調するかを検討する。 実験によって測定されたミツバチの反応パターンを再現し、それを形成する主選択圧を同定することができる。
  論文  参考訳（メタデータ） (2020-10-14T18:00:50Z)
• Dual-Mandate Patrols: Multi-Armed Bandits for Green Security [67.29846393678808]
  野生生物や森林を保護するため、グリーン・セキュリティ・ドメインの保全努力は、守備隊の限られた利用範囲によって制限されている。 我々はこの問題を多武装の盗賊として定式化し、それぞれの行動がパトロール戦略を表す。 我々のアルゴリズムであるLIZARDは、カンボジアの現実世界の密猟データの性能を向上させることを示す。
  論文  参考訳（メタデータ） (2020-09-14T16:40:44Z)

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。