論文の概要: Mining and modeling complex leadership-followership dynamics of movement
data
- arxiv url: http://arxiv.org/abs/2010.01587v1
- Date: Sun, 4 Oct 2020 14:05:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 04:16:18.585405
- Title: Mining and modeling complex leadership-followership dynamics of movement
data
- Title(参考訳): 運動データの複雑なリーダーシップ追従ダイナミクスのマイニングとモデリング
- Authors: Chainarong Amornbunchornvej and Tanya Y. Berger-Wolf
- Abstract要約: 我々は、リーダーシップ推論フレームワークmFLICAを使用して、運動データセットからリーダーとその派閥の時系列を推測する。
そして、リーダーシップと追従のダイナミクスの両方の頻繁なパターンをマイニングし、モデル化するアプローチを提案します。
- 参考スコア(独自算出の注目度): 1.1929584800629673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Leadership and followership are essential parts of collective decision and
organization in social animals, including humans. In nature, relationships of
leaders and followers are dynamic and vary with context or temporal factors.
Understanding dynamics of leadership and followership, such as how leaders and
followers change, emerge, or converge, allows scientists to gain more insight
into group decision-making and collective behavior in general. However, given
only data of individual activities, it is challenging to infer the dynamics of
leaders and followers. In this paper, we focus on mining and modeling frequent
patterns of leading and following. We formalize new computational problems and
propose a framework that can be used to address several questions regarding
group movement. We use the leadership inference framework, mFLICA, to infer the
time series of leaders and their factions from movement datasets and then
propose an approach to mine and model frequent patterns of both leadership and
followership dynamics. We evaluate our framework performance by using several
simulated datasets, as well as the real-world dataset of baboon movement to
demonstrate the applications of our framework. These are novel computational
problems and, to the best of our knowledge, there are no existing comparable
methods to address them. Thus, we modify and extend an existing leadership
inference framework to provide a non-trivial baseline for comparison. Our
framework performs better than this baseline in all datasets. Our framework
opens the opportunities for scientists to generate testable scientific
hypotheses about the dynamics of leadership in movement data.
- Abstract(参考訳): リーダーシップとフォローシップは、人間を含む社会動物の集団的意思決定と組織の重要な部分である。
本質的には、リーダーとフォロワーの関係は動的であり、文脈や時間的要因によって異なる。
リーダーやフォロワーがどのように変化し、出現し、あるいは収束するかといったリーダーシップとフォロワーシップのダイナミクスを理解することで、科学者は集団意思決定や集団行動全般についてより深い洞察を得ることができる。
しかし,個人の活動データのみを考慮すれば,リーダやフォロワのダイナミクスを推測することは困難である。
本稿では,先行・追従の頻繁なパターンのマイニングとモデリングに焦点をあてる。
我々は,新しい計算問題を定式化し,グループ運動に関するいくつかの問題に対処できる枠組みを提案する。
リーダーシップ推論フレームワークmFLICAを用いて、一連のリーダーとその派閥を運動データセットから推測し、リーダーシップと追従のダイナミクスの両方の頻繁なパターンをマイニングしモデル化するためのアプローチを提案する。
我々は,いくつかのシミュレーションデータセットとbaboon ムーブメントの実世界データセットを用いてフレームワークの性能評価を行い,フレームワークの応用を実証した。
これらは新しい計算問題であり、我々の知る限りでは、それに対処するのに同等の方法がない。
したがって、既存のリーダーシップ推論フレームワークを変更して、比較のための非自明なベースラインを提供する。
当社のフレームワークは、すべてのデータセットにおいて、このベースラインよりもパフォーマンスが優れています。
我々のフレームワークは、科学者が移動データにおけるリーダーシップのダイナミクスに関する検証可能な科学的仮説を生成する機会を開放する。
関連論文リスト
- Learning Collective Dynamics of Multi-Agent Systems using Event-based Vision [15.26086907502649]
本稿では,マルチエージェントシステムの集合力学を学習し,予測するための視覚に基づく認識という,新しい問題を提案する。
私たちは、フレームやイベントとしてキャプチャされた視覚データから、集合的ダイナミクスを直接予測するディープラーニングモデルに焦点を当てています。
我々は,これらの集合行動を予測する上で,従来のフレームベース手法に対するイベントベース表現の有効性を実証的に実証した。
論文 参考訳(メタデータ) (2024-11-11T14:45:47Z) - CrowdMoGen: Zero-Shot Text-Driven Collective Motion Generation [44.9991846328409]
群衆運動生成は、アニメーションやゲームなどのエンターテイメント産業や、都市シミュレーションや計画といった戦略的分野において不可欠である。
このフレームワークはLarge Language Model(LLM)のパワーを利用して、集合的なインテリジェンスをモーション生成フレームワークに組み込む。
本フレームワークは,(1)特定のシーン状況に応じた動きや動特性の調整を学習する群集シーンプランナ,(2)必要な集合運動を効率的に合成する集合モーションジェネレータの2つの重要な構成要素から構成される。
論文 参考訳(メタデータ) (2024-07-08T17:59:36Z) - Learning System Dynamics without Forgetting [60.08612207170659]
未知の力学を持つ系の軌道予測は、物理学や生物学を含む様々な研究分野において重要である。
本稿では,モードスイッチンググラフODE (MS-GODE) の新たなフレームワークを提案する。
生体力学の異なる多様な系を特徴とする生体力学システムの新しいベンチマークを構築した。
論文 参考訳(メタデータ) (2024-06-30T14:55:18Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳(メタデータ) (2024-01-22T18:58:22Z) - Learning nonlinear dynamics in synchronization of knowledge-based
leader-following networks [16.670246060148617]
本稿では,非線形リーダーシステムのクラスを対象とした学習に基づく完全分散オブザーバを提案する。
さらに,複数のオイラー・ラグランジュ系のリーダ追従同期問題を解くための適応分散制御法を合成する。
論文 参考訳(メタデータ) (2021-12-29T17:51:48Z) - Observing a group to infer individual characteristics [1.0152838128195465]
本研究では, 現地住民がエージェントの動きをどう支援するか, あるいは妨げるかを, 観測した動き情報のみに基づいて推定する新しいオブザーバアルゴリズムを提案する。
従来の教師付き学習アプローチとは異なり、このアルゴリズムは物理的な洞察とスケーリング引数に基づいており、トレーニングデータに依存しない。
このようなデータに依存しないアプローチは、クリーンでラベル付けされたデータが入手が困難な現実世界の多くの問題と関連している。
論文 参考訳(メタデータ) (2021-10-12T09:59:54Z) - TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。
我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
論文 参考訳(メタデータ) (2021-05-17T15:33:25Z) - GEM: Group Enhanced Model for Learning Dynamical Control Systems [78.56159072162103]
サンプルベースの学習が可能な効果的なダイナミクスモデルを構築します。
リー代数ベクトル空間上のダイナミクスの学習は、直接状態遷移モデルを学ぶよりも効果的であることを示す。
この研究は、ダイナミクスの学習とリー群の性質の関連性を明らかにし、新たな研究の方向への扉を開く。
論文 参考訳(メタデータ) (2021-04-07T01:08:18Z) - Behavior Priors for Efficient Reinforcement Learning [97.81587970962232]
本稿では,情報とアーキテクチャの制約を,確率論的モデリング文献のアイデアと組み合わせて行動の事前学習を行う方法について考察する。
このような潜伏変数の定式化が階層的強化学習(HRL)と相互情報と好奇心に基づく目的との関係について論じる。
シミュレーションされた連続制御領域に適用することで,フレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2020-10-27T13:17:18Z) - GRADE: Graph Dynamic Embedding [76.85156209917932]
GRADEは、軌道に先立ってランダムウォークを課すことで、進化するノードとコミュニティ表現を生成することを学ぶ確率モデルである。
我々のモデルは、遷移行列を介して時間ステップ間で更新されるノードコミュニティメンバシップも学習する。
実験では、GRADEは動的リンク予測においてベースラインを上回る性能を示し、動的コミュニティ検出において好適な性能を示し、一貫性と解釈可能な進化するコミュニティを特定する。
論文 参考訳(メタデータ) (2020-07-16T01:17:24Z)
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。