論文の概要: Unifying Pairwise Interactions in Complex Dynamics
- arxiv url: http://arxiv.org/abs/2201.11941v1
- Date: Fri, 28 Jan 2022 05:44:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-01 04:06:35.326344
- Title: Unifying Pairwise Interactions in Complex Dynamics
- Title(参考訳): 複雑力学におけるペアワイズ相互作用の統一
- Authors: Oliver M. Cliff, Joseph T. Lizier, Naotsugu Tsuchiya, Ben D. Fulcher
- Abstract要約: ペアインタラクションのための249の統計ライブラリを導入する。
我々の分析は、異なる数学的定式化の間の新しい共通点を強調している。
科学の分野から多くの手法を活用すれば、与えられた問題に対処するのに最も適した手法が発見できることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientists have developed hundreds of techniques to measure the interactions
between pairs of processes in complex systems. But these computational methods
-- from correlation coefficients to causal inference -- rely on distinct
quantitative theories that remain largely disconnected. Here we introduce a
library of 249 statistics for pairwise interactions and assess their behavior
on 1053 multivariate time series from a wide range of real-world and
model-generated systems. Our analysis highlights new commonalities between
different mathematical formulations, providing a unified picture of a rich,
interdisciplinary literature. We then show that leveraging many methods from
across science can uncover those most suitable for addressing a given problem,
yielding high accuracy and interpretable understanding. Our framework is
provided in extendable open software, enabling comprehensive data-driven
analysis by integrating decades of methodological advances.
- Abstract(参考訳): 科学者は複雑なシステムにおけるプロセスのペア間の相互作用を測定するために何百もの技術を開発した。
しかし、これらの計算手法は、相関係数から因果推論まで、大きく切り離された異なる定量的理論に依存している。
本稿では,ペアインタラクションのための249の統計ライブラリを紹介し,その挙動を実世界およびモデル生成システムから1053個の多変量時系列上で評価する。
本分析では,異なる数学的定式化間の新たな共通性に注目し,リッチで学際的な文学の統一像を提供する。
そして,各科学の手法を多用することで,与えられた問題に最も適した問題を明らかにすることができ,高い正確性と解釈可能な理解が得られることを示す。
我々のフレームワークは拡張可能なオープンソフトウェアで提供されており、数十年の方法論的進歩を統合することで包括的なデータ駆動分析を可能にする。
関連論文リスト
- Learning Divergence Fields for Shift-Robust Graph Representations [73.11818515795761]
本研究では,相互依存データに対する問題に対して,学習可能な分散場を持つ幾何学的拡散モデルを提案する。
因果推論によって新たな学習目標が導出され、ドメイン間で無神経な相互依存の一般化可能なパターンを学習するためのモデルが導出される。
論文 参考訳(メタデータ) (2024-06-07T14:29:21Z) - Inferring the time-varying coupling of dynamical systems with temporal convolutional autoencoders [0.0]
因果推論のためのテンポラルオートエンコーダ(TACI)を紹介する。
TACIは、2つの頭を持つ新しい機械学習アーキテクチャと因果関係を評価するために、新しい代理データメトリクスを組み合わせる。
TACIが様々なシステム間で動的因果相互作用を正確に定量化できることを実証する。
論文 参考訳(メタデータ) (2024-06-05T12:51:20Z) - MMOE: Mixture of Multimodal Interaction Experts [115.20477067767399]
MMOEはマルチモーダルインタラクションの専門家の混在を指す。
本手法は, ラベルのないマルチモーダルデータセットから, 対話タイプによって自動的にデータポイントを分類し, それぞれのインタラクションに特化モデルを用いる。
実験結果から,本手法は,これらの課題のあるインタラクションのパフォーマンスを10%以上向上させ,皮肉な予測などのタスクに対して全体の2%向上をもたらす。
論文 参考訳(メタデータ) (2023-11-16T05:31:21Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-25T14:20:52Z) - Multimodal Learning Without Labeled Multimodal Data: Guarantees and Applications [90.6849884683226]
ラベル付き単調データのみを用いた半教師付き環境における相互作用定量化の課題について検討する。
相互作用の正確な情報理論的定義を用いて、我々の重要な貢献は下界と上界の導出である。
本稿では、これらの理論結果を用いてマルチモーダルモデルの性能を推定し、データ収集をガイドし、様々なタスクに対して適切なマルチモーダルモデルを選択する方法について述べる。
論文 参考訳(メタデータ) (2023-06-07T15:44:53Z) - Interaction Measures, Partition Lattices and Kernel Tests for High-Order
Interactions [1.9457612782595313]
2つ以上の変数のグループ間の非自明な依存関係は、そのようなシステムの分析とモデリングにおいて重要な役割を果たす。
我々は、結合確率分布の因数分解をますます含む、$d$-order$d geq 2$)相互作用測度の階層を導入する。
また、相互作用測度とそれらの複合置換試験の導出を解明する格子理論と数学的リンクを確立する。
論文 参考訳(メタデータ) (2023-06-01T16:59:37Z) - Collective Relational Inference for learning heterogeneous interactions [8.215734914005845]
本稿では,従来の手法と比較して2つの特徴を持つ関係推論の確率的手法を提案する。
提案手法を複数のベンチマークデータセットで評価し,既存の手法よりも精度良く対話型を推定できることを実証した。
全体として、提案モデルはデータ効率が高く、より小さなシステムで訓練された場合、大規模システムに対して一般化可能である。
論文 参考訳(メタデータ) (2023-04-30T19:45:04Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳(メタデータ) (2022-03-03T20:52:47Z) - Inference of time-ordered multibody interactions [0.8057006406834466]
時間的および時間的依存関係を示す複雑なシステムと多体依存関係を記述するために、時間順の多体インタラクションを導入する。
本稿では,ノード状態のシステムレベルダイナミクスを捉えるデータから,これらの相互作用を抽出するアルゴリズムを提案する。
我々は,統計的誤差に対するアルゴリズムの頑健さと,擬似相互作用アンサンブルの推論におけるその効率を実験的に検証した。
論文 参考訳(メタデータ) (2021-11-29T15:41:06Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳(メタデータ) (2021-07-10T03:49:41Z) - Learning Theory for Inferring Interaction Kernels in Second-Order
Interacting Agent Systems [17.623937769189364]
推定器の強い一貫性と最適非パラメトリック min-max 収束率を確立する完全学習理論を開発する。
推定器を構築するための数値アルゴリズムは並列化可能であり、高次元問題に対してよく機能し、複雑な力学系上で実証される。
論文 参考訳(メタデータ) (2020-10-08T02:07:53Z)
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。