論文の概要: Continuous Flow Model of a Historical Battle: A Fresh Look at Pickett's charge

• arxiv url: http://arxiv.org/abs/2203.11035v1
• Date: Mon, 21 Mar 2022 14:55:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:47:26.274210
• Title: Continuous Flow Model of a Historical Battle: A Fresh Look at Pickett's charge
• Title（参考訳）: 歴史的戦いの連続流れモデル:ピケットの突撃を新たに見る
• Authors: Jonathan Poggie, Sorin A. Matei, Robert Kirchubel
• Abstract要約: 1863年のゲティスバーグの戦いは、最初のモデルとして選ばれた。 このシナリオは、多くの現代の軍事戦術が採用されたため、現在の数学モデルのよいテストである。 死傷者の数における非対称性の主な原因は、南軍が移動中に効果的な射程の射程を使用できないことであった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A continuous flow model of infantry behavior, based on conservation of individuals and tracking of subunit identity, has been developed in sufficient detail that it can now be applied to a realistic simulation of a historical battle. Pickett's charge during the 1863 Battle of Gettysburg, Pennsylvania in the U.S. Civil War was chosen as an initial application of the model. This scenario is a good test of the current mathematical model because many modern military tactics were employed, in a context where the action took place on foot or horseback, and the historical map and troop numbers are available. Compared to a discrete agent model, the flow model was found to better capture the interaction of the forces with the terrain and each other. A brigade-level simulation, faithful to the details of the historical events, was performed. The main source of asymmetry in the numbers of casualties was found to be the inability of the Confederate forces to use effective ranged fire while they were moving. Comparison of simulations with and without terrain effects showed that they slow the pace of battle and favor the defenders, exposing the attackers to heavy ranged fire for an extended period. A statistical analysis of possible outcomes for an ensemble of 1000 randomized perturbations of the baseline brigade-level scenario was carried out. Consistent with historical events, it was found that only 6 percent of the scenarios resulted in an outcome that could be considered a Confederate victory.
• Abstract（参考訳）: 個人を保存し、サブユニットのアイデンティティを追跡することに基づく歩兵行動の連続フローモデルが十分に詳細に開発され、歴史的戦闘の現実的なシミュレーションに応用できるようになった。 1863年のペンシルベニア州ゲティスバーグの戦いでのピケットの突撃は、このモデルの初期の応用として選ばれた。 このシナリオは、足や馬上での戦闘の文脈において、多くの近代的な軍事戦術が採用され、歴史的な地図や部隊番号が利用可能であるため、現在の数学モデルのよいテストである。 個別のエージェントモデルと比較して、フローモデルは、地形と相互の力の相互作用をよりよく捉えていることがわかった。 歴史的な出来事の詳細に忠実な旅団レベルのシミュレーションが行われた。 死傷者の数における非対称性の主な原因は、南軍が移動中に効果的な射程の射程を使用できないことであった。 地形効果の有無をシミュレーションした結果、戦闘速度は遅くなり、守備隊に好意的になり、攻撃者は長期間にわたって広範囲の砲撃に晒された。 ベースライン旅団レベルシナリオのランダムな摂動1000のアンサンブルにおける結果の統計的分析を行った。 歴史的出来事と一致して、南軍の勝利と見なされる結果となったのは、シナリオのわずか6%だけだった。

関連論文リスト

• BattleAgent: Multi-modal Dynamic Emulation on Historical Battles to Complement Historical Analysis [62.60458710368311]
  本稿では,大規模視覚言語モデルとマルチエージェントシステムを組み合わせたエミュレーションシステムであるBattleAgentを提案する。 複数のエージェント間の複雑な動的相互作用をシミュレートし、エージェントとその環境をシミュレートすることを目的としている。 指導者の意思決定プロセスと、兵士のような一般参加者の視点の両方をエミュレートする。
  論文  参考訳（メタデータ） (2024-04-23T21:37:22Z)
• Scalable Membership Inference Attacks via Quantile Regression [35.33158339354343]
  メンバーシップ推論攻撃は、トレーニングで特定の例が使用されたかどうかに関わらず、トレーニングされたモデルへのブラックボックスアクセスを使用して決定するように設計されている。 本稿では,トレーニングに使用されていない点に対する攻撃下でモデルによって誘導される信頼度スコアの分布に基づいて,量子回帰に基づく新たな攻撃方法を提案する。
  論文  参考訳（メタデータ） (2023-07-07T16:07:00Z)
• An Ordinal Latent Variable Model of Conflict Intensity [59.49424978353101]
  ゴールドスタインスケール(Goldstein scale)は、紛争・協力的なスケールでイベントをスコアする、広く使われている専門家ベースの尺度である。 本稿では、競合強度を測定するために、潜伏変数に基づくアプローチをとる。
  論文  参考訳（メタデータ） (2022-10-08T08:59:17Z)
• A Framework for Flexible Peak Storm Surge Prediction [2.362412515574206]
  暴風雨は沿岸地域では大きな自然災害であり、大きな被害と生命の喪失の原因となっている。 我々は,多段階アプローチに基づくピーク・ストーム・サージ・予測のための新しいサロゲート・モデルを開発した。 我々はテキサス沿岸とアラスカ海岸北部の2つの研究領域でモデリングの枠組みを実証した。
  論文  参考訳（メタデータ） (2022-04-27T20:02:25Z)
• Predicting Terrorist Attacks in the United States using Localized News Data [13.164412455321907]
  テロは世界中で大きな問題であり、毎年数千人の死者と数十億ドルの損害をもたらしている。 我々は、特定の日時と特定の状況でテロ攻撃が起こるかどうかを予測するために、ローカルニュースデータから学習する機械学習モデルを提示する。 最高のモデルであるランダムフォレスト(Random Forest)は、2015年から2018年の間に最もテロの影響を受けていた5州のうち4州で、特徴空間の新たな変動長移動平均表現から学ぶ。
  論文  参考訳（メタデータ） (2022-01-12T03:56:15Z)
• "What's in the box?!": Deflecting Adversarial Attacks by Randomly Deploying Adversarially-Disjoint Models [71.91835408379602]
  敵の例は長い間、機械学習モデルに対する真の脅威と考えられてきた。 我々は、従来のホワイトボックスやブラックボックスの脅威モデルを超えた、配置ベースの防衛パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-02-09T20:07:13Z)
• 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)
• Modeling Wildfire Perimeter Evolution using Deep Neural Networks [0.0]
  本研究では,24時間間における山火事周囲の進化を予測できる山火事拡散モデルを提案する。 このモデルはカリフォルニアのシエラネバダ山脈西部の山火事から、実際の歴史的データセットから、山火事の拡散力学を学習することができる。
  論文  参考訳（メタデータ） (2020-09-08T20:06:01Z)
• Adversarial examples are useful too! [47.64219291655723]
  モデルがバックドア攻撃を受けたかどうかを判断する新しい手法を提案する。 その考え方は、FGSMのような従来の攻撃を用いて、標的または未標的の敵の例を生成することである。 障害のある地域を視覚的に見つけて、攻撃を露呈することができる。
  論文  参考訳（メタデータ） (2020-05-13T01:38:56Z)
• Adversarial Imitation Attack [63.76805962712481]
  現実的な敵攻撃は、攻撃されたモデルの知識をできるだけ少なくする必要がある。 現在の代替攻撃では、敵の例を生成するために事前訓練されたモデルが必要である。 本研究では,新たな敵模倣攻撃を提案する。
  論文  参考訳（メタデータ） (2020-03-28T10:02:49Z)

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。