論文の概要: Collective defense of honeybee colonies: experimental results and
theoretical modeling
- arxiv url: http://arxiv.org/abs/2010.07326v1
- Date: Wed, 14 Oct 2020 18:00:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 13:03:25.981806
- Title: Collective defense of honeybee colonies: experimental results and
theoretical modeling
- Title(参考訳): ミツバチコロニーの集団防御 : 実験結果と理論的モデリング
- Authors: Andrea L\'opez-Incera, Morgane Nouvian, Katja Ried, Thomas M\"uller
and Hans J. Briegel
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.519906683279153
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social insect colonies routinely face large vertebrate predators, against
which they need to mount a collective defense. To do so, honeybees use an alarm
pheromone that recruits nearby bees into mass stinging of the perceived threat.
This alarm pheromone is carried directly on the stinger, hence its
concentration builds up during the course of the attack. Here, we investigate
how individual bees react to different alarm pheromone concentrations, and how
this evolved response-pattern leads to better coordination at the group level.
We first present an individual dose-response curve to the alarm pheromone,
obtained experimentally. Second, we apply Projective Simulation to model each
bee as an artificial learning agent that relies on the pheromone concentration
to decide whether to sting or not. If the emergent collective performance
benefits the colony, the individual reactions that led to it are enhanced via
reinforcement learning, thus emulating natural selection. Predators are modeled
in a realistic way so that the effect of factors such as their resistance,
their killing rate or their frequency of attacks can be studied. We are able to
reproduce the experimentally measured response-pattern of real bees, and to
identify the main selection pressures that shaped it. Finally, we apply the
model to a case study: by tuning the parameters to represent the environmental
conditions of European or African bees, we can predict the difference in
aggressiveness observed between these two subspecies.
- Abstract(参考訳): 社会性の昆虫群は、通常、大きな脊椎動物捕食者に直面しており、集団的な防御を行う必要がある。
そのため、ミツバチはアラームフェロモンを使い、近くのミツバチを誘引して、認識された脅威を大量殺傷する。
このアラームフェロモンはスティンガーに直接運ばれるため、攻撃中にその濃度が上昇する。
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。
まず,アラームフェロモンに個々の線量応答曲線を提示し,実験を行った。
次に,各ミツバチをフェロモン濃度に依存した人工学習エージェントとしてモデル化するために,投射シミュレーションを適用する。
創発的な集団的パフォーマンスがコロニーに利益をもたらす場合、それをもたらす個々の反応は強化学習によって強化され、自然選択をエミュレートする。
捕食者は、抵抗性、殺傷率、攻撃頻度などの要因の影響を研究するために、現実的な方法でモデル化される。
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。
最後に、このモデルを事例研究に適用し、ヨーロッパまたはアフリカミツバチの環境条件を表すパラメータを調整することにより、これらの2亜種間で観察される攻撃性の違いを予測できる。
関連論文リスト
- EBV: Electronic Bee-Veterinarian for Principled Mining and Forecasting
of Honeybee Time Series [12.864182706861003]
ハチは受粉や食糧生産に欠かせない。そのような過酷さを予想すれば、養蜂家は早期に予防措置をとることができる。
予測は予期せぬ行動を見つけるのに役立ち、養蜂家に対して警告を発する。
本稿では,以下の望ましい特性を有するEBV法を提案する。
論文 参考訳(メタデータ) (2024-02-02T21:05:56Z) - Predator-prey survival pressure is sufficient to evolve swarming
behaviors [22.69193229479221]
混合協調競合型マルチエージェント強化学習に基づく最小限の捕食者・捕食者共進化フレームワークを提案する。
驚くべきことに、我々のこのアプローチの分析は、獲物と捕食者の両方にとって予期せぬほど多様な行動を示す。
論文 参考訳(メタデータ) (2023-08-24T08:03:11Z) - Diffusion Theory as a Scalpel: Detecting and Purifying Poisonous
Dimensions in Pre-trained Language Models Caused by Backdoor or Bias [64.81358555107788]
事前訓練された言語モデル(PLM)は、微調整プロセス中に疑わしい攻撃者が注入したバックドアやバイアスによって有毒である可能性がある。
本研究では, 拡散理論を応用し, 微調整の動的過程を解明し, 潜在的有毒な次元を見つけるための微細浄化法を提案する。
我々の知識を最大限に活用するために、我々は安全・防衛目的の拡散理論によって導かれる力学を初めて研究する。
論文 参考訳(メタデータ) (2023-05-08T08:40:30Z) - Towards Fair Classification against Poisoning Attacks [52.57443558122475]
攻撃者が少数のサンプルを訓練データに挿入できる毒殺シナリオについて検討する。
本稿では,従来の防犯手法に適合する汎用的かつ理論的に保証された枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-18T00:49:58Z) - Indiscriminate Poisoning Attacks Are Shortcuts [77.38947817228656]
その結果, 標的ラベルを付与した場合, 進行性毒素攻撃の摂動は, ほぼ分離可能であることがわかった。
このような合成摂動は、故意に作られた攻撃と同じくらい強力であることを示す。
我々の発見は、アンフショートカット学習の問題が以前考えられていたよりも深刻であることを示唆している。
論文 参考訳(メタデータ) (2021-11-01T12:44:26Z) - Semi-Supervised Audio Representation Learning for Modeling Beehive
Strengths [2.2680266599208765]
ミツバチは私たちの生態系や食品の安全に重要な要因であり、世界の収量の35%に寄与しています。
ミツバチの重要性にもかかわらず、養蜂は人間の労働力と経験に由来するミツバチにのみ依存する。
我々は,音声および環境計測による蜂のモニタリングのための統合ハードウェアセンシングシステムを開発した。
ラベルが限られているにもかかわらず,本モデルは良好に動作し,ビービーブの異なるサウンドプロファイルを特徴付けるのに有用なオーディオ埋め込みを学習できることを示す。
論文 参考訳(メタデータ) (2021-05-21T18:59:29Z) - Learning and Certification under Instance-targeted Poisoning [49.55596073963654]
インスタンスターゲット中毒攻撃におけるPAC学習性と認証について検討する。
敵の予算がサンプルの複雑さに比例してスケールすると、PACの学習性と認定が達成可能であることを示す。
実データセット上でのK近傍, ロジスティック回帰, 多層パーセプトロン, 畳み込みニューラルネットワークの堅牢性を実証的に検討する。
論文 参考訳(メタデータ) (2021-05-18T17:48:15Z) - Dynamic $\beta$-VAEs for quantifying biodiversity by clustering
optically recorded insect signals [0.6091702876917281]
本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。
南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
論文 参考訳(メタデータ) (2021-02-10T16:14:13Z) - Learning to Attack: Towards Textual Adversarial Attacking in Real-world
Situations [81.82518920087175]
敵攻撃は、敵の例でディープニューラルネットワークを騙すことを目的としている。
本稿では、攻撃履歴から学習し、より効率的に攻撃を開始することができる強化学習に基づく攻撃モデルを提案する。
論文 参考訳(メタデータ) (2020-09-19T09:12:24Z) - Sampling Attacks: Amplification of Membership Inference Attacks by
Repeated Queries [74.59376038272661]
本手法は,他の標準メンバーシップ相手と異なり,被害者モデルのスコアにアクセスできないような厳格な制限の下で動作可能な,新しいメンバーシップ推論手法であるサンプリングアタックを導入する。
ラベルのみを公開している被害者モデルでは,攻撃のサンプリングが引き続き可能であり,攻撃者はその性能の最大100%を回復できることを示す。
防衛においては,被害者モデルのトレーニング中の勾配摂動と予測時の出力摂動の形式で差分プライバシーを選択する。
論文 参考訳(メタデータ) (2020-09-01T12:54:54Z) - Anomaly Detection in Beehives using Deep Recurrent Autoencoders [3.449808359602251]
本稿では、その起源に依存しないデータの任意の種類の異常を検出するディープラーニングモデルであるオートエンコーダを提案する。
我々のモデルは、単純なルールベースのSwarm検出アルゴリズムと同一のSwarmを明らかにすることができるが、他の異常によっても引き起こされる。
論文 参考訳(メタデータ) (2020-03-10T08:39:37Z)
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。