論文の概要: Information exchange, meaning and redundancy generation in anticipatory
systems: self-organization of expectations -- the case of Covid-19
- arxiv url: http://arxiv.org/abs/2106.07432v1
- Date: Tue, 25 May 2021 05:01:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 20:20:48.270240
- Title: Information exchange, meaning and redundancy generation in anticipatory
systems: self-organization of expectations -- the case of Covid-19
- Title（参考訳）: 予測システムにおける情報交換・意味・冗長性の生成-期待の自己組織化-Covid-19の場合
- Authors: Inga A. Ivanova
- Abstract要約: 本稿では,情報力学とシステム進化の関連性に注目した。
本稿では,コビッドウイルスの感染伝播に情報と意味のダイナミクスが組み込まれていることを示す。
- 参考スコア（独自算出の注目度）: 1.4467794332678539
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When studying the evolution of complex systems one refers to model
representations comprising various descriptive parameters. There is hardly
research where system evolution is described on the base of information flows
in the system. The paper focuses on the link between the dynamics of
information and system evolution. Information, exchanged between different
system's parts, before being processed is first provided with meaning by the
system. Meanings are generated from the perspective of hindsight, i.e. against
the arrow of time. The same information can be differently interpreted by
different system's parts (i,e,provided with different meanings) so that the
number of options for possible system development is proliferated. Some options
eventually turn into observable system states. So that system evolutionary
dynamics can be considered as due to information processing within the system.
This process is considered here in a model representation. The model under
study is Triple Helix (TH) model, which was earlier used to describe
interactions between university, industry and government to foster innovations.
In TH model the system is comprised of three interacting parts where each part
process information ina different way. The model is not limited to the sphere
of innovation and can be used in a broader perspective. Here TH is
conceptualized in the framework of three compertment model used to describe
infectious disease. The paper demonstrates how the dynamics of information and
meaning can be incorporated in the description of Covid-19 infectious
propagation. The results show correspondence of model predictions with
observable infection dynamics.
- Abstract（参考訳）: 複雑なシステムの進化を研究するとき、様々な記述パラメータを含むモデル表現を参照する。
システム内の情報フローの基盤としてシステム進化を記述する研究はほとんどない。
本論文は,情報のダイナミクスとシステム進化の関係を考察する。
処理前に異なるシステムの部品間で交換される情報は、まずシステムによって意味が与えられる。
意味は後見、すなわち時間的矢印に対する視点から生まれる。
同じ情報を異なるシステムの部分(つまり異なる意味で提供された)で異なる解釈で解釈できるため、システム開発のためのオプションの数が増加する。
いくつかのオプションは最終的に可観測状態になる。
したがって、システム進化のダイナミクスは、システム内の情報処理によるものと考えることができる。
この過程はモデル表現において考慮される。
研究中のモデルはトリプル・ヘリックス(TH)モデルであり、以前は大学、産業、政府間の相互作用を表現してイノベーションを育むために用いられていた。
thモデルでは、システムは3つの相互作用する部分で構成され、各部分が異なる方法で情報を処理する。
このモデルはイノベーションの領域に限ったものではなく、より広い視点で使用することができる。
ここでthは、感染症を記述するために使われる3つのコンパートメントモデルの枠組みで概念化されている。
本稿は,情報と意味のダイナミクスが,新型コロナウイルスの感染伝播の記述にどのように組み込まれるかを示す。
その結果, モデル予測と可観測感染動態の対応性を示した。
関連論文リスト
- Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent
Dynamical Systems [70.84976977950075]
実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。
本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。
我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
論文 参考訳（メタデータ） (2024-02-29T23:07:07Z) - Using Causal Threads to Explain Changes in a Dynamic System [0.0]
システムのリッチなセマンティックモデルの開発について検討する。
具体的には、これらのシステムにおける状態変化に関する構造的因果説明について考察する。
積雪地理論により提案される地質学的変化の因果糸モデルを構築した。
論文 参考訳（メタデータ） (2023-11-19T14:32:06Z) - From system models to class models: An in-context learning paradigm [0.0]
本稿では,1段階の予測と複数段階のシミュレーションという2つの主要な課題に対処する,システム識別のための新しいパラダイムを提案する。
動的システムのクラスを表すメタモデルを学ぶ。
一段階の予測では、GPTのようなデコーダのみのアーキテクチャを使用し、シミュレーション問題ではエンコーダ-デコーダ構造を用いる。
論文 参考訳（メタデータ） (2023-08-25T13:50:17Z) - communication of information in systems of heterogenious agents and
systems' dynamics [0.0]
複雑なシステムにおける情報通信は、システムの進化の主要な原動力と見なすことができる。
異種エージェントのシステムにおける情報交換は単純な入出力モデルよりも複雑である。
意味と情報処理のメカニズムをモデルフレームワークとして分析的に評価することができる。
論文 参考訳（メタデータ） (2023-04-27T08:09:04Z) - Graph-informed simulation-based inference for models of active matter [5.533353383316288]
シミュレーションに基づく推論は, 系の観測から活性物質パラメータを強く推算するのに有効であることを示す。
我々の研究は、高レベルのシステム情報が集合系の関係構造に含まれることを強調している。
論文 参考訳（メタデータ） (2023-04-05T09:39:17Z) - Improving Coherence and Consistency in Neural Sequence Models with
Dual-System, Neuro-Symbolic Reasoning [49.6928533575956]
我々は、神経系1と論理系2の間を仲介するために神経推論を用いる。
強靭なストーリー生成とグラウンドド・インストラクション・フォローリングの結果、このアプローチは神経系世代におけるコヒーレンスと精度を高めることができることを示した。
論文 参考訳（メタデータ） (2021-07-06T17:59:49Z) - Beyond Trivial Counterfactual Explanations with Diverse Valuable
Explanations [64.85696493596821]
コンピュータビジョンの応用において、生成的対実法はモデルの入力を摂動させて予測を変更する方法を示す。
本稿では,多様性強化損失を用いて制約される不連続潜在空間における摂動を学習する反事実法を提案する。
このモデルは, 従来の最先端手法と比較して, 高品質な説明を生産する成功率を向上させる。
論文 参考訳（メタデータ） (2021-03-18T12:57:34Z) - This is not the Texture you are looking for! Introducing Novel
Counterfactual Explanations for Non-Experts using Generative Adversarial
Learning [59.17685450892182]
反実用説明システムは、入力画像を変更して反実用推論を可能にする。
本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。
その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
論文 参考訳（メタデータ） (2020-12-22T10:08:05Z) - Dependency Decomposition and a Reject Option for Explainable Models [4.94950858749529]
近年のディープラーニングモデルは様々な推論タスクにおいて非常によく機能する。
最近の進歩は特徴を視覚化し、入力の属性を記述する方法を提供します。
本稿では, 目的の画像分類出力に対する確率分布に関する依存性を初めて解析する。
論文 参考訳（メタデータ） (2020-12-11T17:39:33Z) - Explainable Recommender Systems via Resolving Learning Representations [57.24565012731325]
説明はユーザー体験を改善し、システムの欠陥を発見するのに役立つ。
本稿では,表現学習プロセスの透明性を向上させることによって,説明可能な新しい推薦モデルを提案する。
論文 参考訳（メタデータ） (2020-08-21T05:30:48Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳（メタデータ） (2020-07-01T17:29:57Z)
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。