論文の概要: Reinforcement Communication Learning in Different Social Network Structures

• arxiv url: http://arxiv.org/abs/2007.09820v1
• Date: Sun, 19 Jul 2020 23:57:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 23:50:23.246373
• Title: Reinforcement Communication Learning in Different Social Network Structures
• Title（参考訳）: 異なるソーシャルネットワーク構造における強化コミュニケーション学習
• Authors: Marina Dubova, Arseny Moskvichev, Robert Goldstone
• Abstract要約: ソーシャルネットワークのグローバル接続は、共有および対称通信システムにおける集団の収束を促進する。 エージェントの学位は、通信規約の使用の一貫性と逆関係である。
• 参考スコア（独自算出の注目度）: 0.8594140167290096
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social network structure is one of the key determinants of human language evolution. Previous work has shown that the network of social interactions shapes decentralized learning in human groups, leading to the emergence of different kinds of communicative conventions. We examined the effects of social network organization on the properties of communication systems emerging in decentralized, multi-agent reinforcement learning communities. We found that the global connectivity of a social network drives the convergence of populations on shared and symmetric communication systems, preventing the agents from forming many local "dialects". Moreover, the agent's degree is inversely related to the consistency of its use of communicative conventions. These results show the importance of the basic properties of social network structure on reinforcement communication learning and suggest a new interpretation of findings on human convergence on word conventions.
• Abstract（参考訳）: 社会ネットワーク構造は、人間の言語進化の重要な決定要因の1つである。 以前の研究は、社会的相互作用のネットワークが人間の集団における分散学習を形作っており、様々な種類のコミュニケーション慣習が出現していることを示している。 分散型マルチエージェント強化学習コミュニティにおけるコミュニケーションシステムの特性に及ぼすソーシャルネットワーク組織の影響について検討した。 ソーシャルネットワークのグローバルな接続は、共有・対称的なコミュニケーションシステムにおける集団の収束を促進し、エージェントが多くのローカルな「方言」を形成するのを防ぐ。 さらに、エージェントの学位は、通信規約の使用の一貫性に逆らに関係している。 これらの結果は,強化コミュニケーション学習におけるソーシャル・ネットワーク構造の基本特性の重要性を示し,単語コンベンションにおける人間の収束に関する新たな解釈を示唆する。

関連論文リスト

• Signaling and Social Learning in Swarms of Robots [0.0]
  本稿では,ロボット群における協調性向上におけるコミュニケーションの役割について検討する。 クレジット代入問題に対処する上で,コミュニケーションが果たす役割を強調した。
  論文  参考訳（メタデータ） (2024-11-18T14:42:15Z)
• Community Detection for Heterogeneous Multiple Social Networks [6.863667633281842]
  コミュニティは、ソーシャルネットワークにおけるユーザー行動とネットワーク特性を理解する上で重要な役割を担っている。 本稿では,複数ソーシャルネットワークを対象とした非負行列三要素化に基づくコミュニティ検出手法を提案する。 提案手法の有効性をTwitter,Instagram,Tumblrで評価した。
  論文  参考訳（メタデータ） (2024-05-07T14:52:34Z)
• Echo-chambers and Idea Labs: Communication Styles on Twitter [51.13560635563004]
  本稿では,ワクチン接種状況におけるTwitter(X)コミュニティのコミュニケーション形態と構造について検討する。 本研究は,ソーシャルネットワークにおけるコミュニケーションの微妙な性質に光を当てることによって,オンラインコミュニティにおける視点の多様性を理解することの重要性を強調する。
  論文  参考訳（メタデータ） (2024-03-28T13:55:51Z)
• A Unified View on Neural Message Passing with Opinion Dynamics for Social Networks [4.0201694410781235]
  本研究は、動的システムの振る舞いを分析し、推論するために、社会計測とニューラルメッセージパッシングの概念を調和させる。 本稿では,メッセージ伝達における局所ノードの影響量を改善するために,有界信頼を取り入れた新しいメッセージパッシング方式ODNetを提案する。 ODNetは,様々なグラフタイプにまたがる予測性能を高め,過度なスムース化問題を緩和することを示す。
  論文  参考訳（メタデータ） (2023-10-02T15:18:19Z)
• Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
  本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。 まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。 意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
  論文  参考訳（メタデータ） (2022-11-25T19:03:25Z)
• Interpretation of Emergent Communication in Heterogeneous Collaborative Embodied Agents [83.52684405389445]
  本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。 この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。 視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。 創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-12T06:56:11Z)
• A multilevel clustering technique for community detection [0.0]
  本研究では,ネットワーク内の関連コミュニティを識別するスケーラブルなフレームワークに基づく新しい検出手法を提案する。 マイクロコズムと呼ばれる地域社会を識別するために構造的およびテキスト的情報を活用するマルチレベルクラスタリング手法(MCT)を提案する。 このアプローチは、低レベルのコミュニティがTwitterでどのように進化し、行動するかを説明するためのより良い理解と明快さを提供します。
  論文  参考訳（メタデータ） (2021-01-16T23:26:44Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• Community detection and Social Network analysis based on the Italian wars of the 15th century [0.0]
  人的インタラクションをベースとして,ソーシャルネットワークのモデリングについて検討する。 本稿では,ネットワーク内のアクター同士の局所的相互作用の性質を捉えるために,新しい関数セット,親和性を提案する。 我々は,ネットワーク内のマルチエージェントインタラクションから自然にコミュニティが生み出す,新たなコミュニティ検出アルゴリズムであるBorgia Clusteringを開発した。
  論文  参考訳（メタデータ） (2020-07-06T11:05:07Z)
• Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
  本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。 本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-11T07:19:45Z)
• 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。