論文の概要: Simulation of emergence in artificial societies: a practical model-based
approach with the EB-DEVS formalism
- arxiv url: http://arxiv.org/abs/2110.08170v1
- Date: Fri, 15 Oct 2021 15:55:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 15:23:00.903300
- Title: Simulation of emergence in artificial societies: a practical model-based
approach with the EB-DEVS formalism
- Title（参考訳）: 人工社会における創発のシミュレーション--eb-devs形式による実践モデルに基づくアプローチ
- Authors: Daniel Foguelman, Esteban Lanzarotti, Emanuel Ferreyra, Rodrigo Castro
- Abstract要約: 本稿では,創発特性のモデリング,シミュレーション,ライブ識別に適した新しいフォーマリズムであるEB-DEVSを適用する。
この研究は、コミュニケーション構造をモデル化するためのアプローチの簡潔さとコンパクトさに関するケーススタディ駆動の証拠を提供する。
- 参考スコア（独自算出の注目度）: 0.11470070927586014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modelling and simulation of complex systems is key to exploring and
understanding social processes, benefiting from formal mechanisms to derive
global-level properties from local-level interactions. In this paper we extend
the body of knowledge on formal methods in complex systems by applying EB-DEVS,
a novel formalism tailored for the modelling, simulation and live
identification of emergent properties. We guide the reader through the
implementation of different classical models for varied social systems to
introduce good modelling practices and showcase the advantages and limitations
of modelling emergence with EB-DEVS, in particular through its live emergence
detection capability. This work provides case study-driven evidence for the
neatness and compactness of the approach to modelling communication structures
that can be explicit or implicit, static or dynamic, with or without multilevel
interactions, and with weak or strong emergent behaviour. Throughout examples
we show that EB-DEVS permits conceptualising the analysed societies by
incorporating emergent behaviour when required, namely by integrating as a
macro-level aggregate the Gini index in the Sugarscape model, Fads and Fashion
in the Dissemination of Culture model, size-biased degree distribution in a
Preferential Attachment model, happiness index in the Segregation model and
quarantines in the SIR epidemic model. In each example we discuss the role of
communication structures in the development of multilevel simulation models,
and illustrate how micro-macro feedback loops enable the modelling of
macro-level properties. Our results stress the relevance of multilevel features
to support a robust approach in the modelling and simulation of complex
systems.
- Abstract（参考訳）: 複雑なシステムのモデリングとシミュレーションは、地域レベルの相互作用からグローバルレベルの特性を引き出すフォーマルなメカニズムの恩恵を受けながら、社会プロセスの探索と理解の鍵となる。
本稿では,創発特性のモデリング,シミュレーション,ライブ識別に適した新しい形式であるEB-DEVSを適用し,複雑なシステムにおける形式的手法に関する知識の体系を拡張する。
本稿では,様々な社会システムのための様々な古典的モデルの実装を通じて,優れたモデリングプラクティスを導入し,EB-DEVSを用いたモデリングの利点と限界を明らかにする。
この研究は、暗黙的、暗黙的、静的、動的、多層的相互作用の有無、弱い、あるいは強い創発的振る舞いを伴うコミュニケーション構造をモデル化するためのアプローチの簡潔さとコンパクト性に関するケーススタディ駆動の証拠を提供する。
事例を通して,EB-DEVS は,Sugarscape モデルにおける Gini 指数,文化普及モデルにおける Fads と Fashion のマクロレベル集約,優先アタッチメントモデルにおけるサイズバイアス度分布,セグレゲーションモデルにおける幸福度指数,SIR 流行モデルにおける隔離度指数を組み込むことにより,創発的行動を導入することにより,分析社会の概念化を可能にした。
各例では,マルチレベルシミュレーションモデルの開発における通信構造の役割について論じ,マイクロマクロフィードバックループがマクロレベルの特性のモデル化を実現する方法について述べる。
本研究は,複雑なシステムのモデリングとシミュレーションにおいて,ロバストなアプローチをサポートするために,マルチレベル特徴の関連性を強調した。
関連論文リスト
- Towards Efficient Modelling of String Dynamics: A Comparison of State Space and Koopman based Deep Learning Methods [8.654571696634825]
State Space Models (SSM) と Koopman に基づくディープラーニング手法は、線形および非線形の剛弦の力学をモデル化する。
以上の結果から,提案したクープマンモデルが,長周期モデリングにおける非線形ケースにおいて,他の既存手法と同等以上の性能を示すことが示唆された。
本研究は、これらの手法と過去の手法の比較概要を提供し、モデル改善のための革新的な戦略を導入することにより、力学系の物理モデリングに関する洞察を貢献する。
論文 参考訳（メタデータ） (2024-08-29T15:55:27Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Latent Variable Representation for Reinforcement Learning [131.03944557979725]
モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。
状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。
特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-17T00:26:31Z) - PAC Reinforcement Learning for Predictive State Representations [60.00237613646686]
部分的に観察可能な力学系におけるオンライン強化学習(RL)について検討する。
我々は、他のよく知られたモデルをキャプチャする表現モデルである予測状態表現(PSR)モデルに焦点を当てる。
我々は,サンプル複雑性のスケーリングにおいて,ほぼ最適なポリシを学習可能な,PSRのための新しいモデルベースアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-07-12T17:57:17Z) - Model-Invariant State Abstractions for Model-Based Reinforcement
Learning [54.616645151708994]
textitmodel-invarianceという新しいタイプの状態抽象化を紹介します。
これにより、状態変数の見当たらない値の新しい組み合わせへの一般化が可能になる。
このモデル不変状態抽象化を通じて最適なポリシーを学習できることを実証する。
論文 参考訳（メタデータ） (2021-02-19T10:37:54Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳（メタデータ） (2020-10-25T18:51:15Z) - EB-DEVS: A Formal Framework for Modeling and Simulation of Emergent
Behavior in Dynamic Complex Systems [0.0]
本稿では,Emergent Behavior-DEVS (EB-DEVS) a Modeling and Simulation (M&S)フォーマリズムを紹介する。
EB-DEVSはDEVSフォーマリズムに基づいて構築されており、確立された機能に上向きと下向きの通信チャネルを追加する。
本研究は, 鳥の群集, ワクチン接種による集団流行, ホメオスタシスによる細胞下動態の3つのケーススタディである。
論文 参考訳（メタデータ） (2020-10-10T16:39:41Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳（メタデータ） (2020-07-13T17:44:30Z) - MHVAE: a Human-Inspired Deep Hierarchical Generative Model for
Multimodal Representation Learning [8.70928211339504]
表現学習のための階層型マルチモーダル生成モデルであるMHVAE(Multimodal Hierarchical Vari Auto-Encoder)をコントリビュートする。
人間の認知モデルにインスパイアされたMHVAEは、モダリティ固有の分布と、モダリティ間の推論に責任を持つ共同モダリティ分布を学習することができる。
本モデルは,任意の入力モダリティと相互モダリティ推定による共同モダリティ再構成に関する他の最先端生成モデルと同等に機能する。
論文 参考訳（メタデータ） (2020-06-04T16:24:00Z) - Relational State-Space Model for Stochastic Multi-Object Systems [24.234120525358456]
本稿では、逐次階層型潜在変数モデルであるリレーショナル状態空間モデル(R-SSM)を紹介する。
R-SSMはグラフニューラルネットワーク(GNN)を用いて、複数の相関オブジェクトの結合状態遷移をシミュレートする。
R-SSMの実用性は、合成および実時間時系列データセットで実証的に評価される。
論文 参考訳（メタデータ） (2020-01-13T03:45:21Z)
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。