論文の概要: Evolutionary Approach to Security Games with Signaling
- arxiv url: http://arxiv.org/abs/2204.14173v1
- Date: Fri, 29 Apr 2022 15:56:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 03:48:28.347775
- Title: Evolutionary Approach to Security Games with Signaling
- Title(参考訳): 信号を用いたセキュリティゲームへの進化的アプローチ
- Authors: Adam \.Zychowski, Jacek Ma\'ndziuk, Elizabeth Bondi, Aravind
Venugopal, Milind Tambe, Balaraman Ravindran
- Abstract要約: グリーンセキュリティゲームは、野生生物のような天然資源の保護を含むシナリオをモデル化する一般的な方法となっている。
カメラを搭載したセンサーも、リアルタイム情報を提供することでこれらのシナリオでの役割を担っている。
本稿では,進化計算パラダイム(EASGS)を取り入れたセキュリティゲーム・ウィズ・シグナリング(SGS)の新たなアプローチを提案する。
EASGSは、染色体と特別に設計された演算子のセットで適切な解を符号化することで、巨大なSGSソリューション空間を効果的に探索する。
- 参考スコア(独自算出の注目度): 40.79980131949599
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Green Security Games have become a popular way to model scenarios involving
the protection of natural resources, such as wildlife. Sensors (e.g. drones
equipped with cameras) have also begun to play a role in these scenarios by
providing real-time information. Incorporating both human and sensor defender
resources strategically is the subject of recent work on Security Games with
Signaling (SGS). However, current methods to solve SGS do not scale well in
terms of time or memory. We therefore propose a novel approach to SGS, which,
for the first time in this domain, employs an Evolutionary Computation
paradigm: EASGS. EASGS effectively searches the huge SGS solution space via
suitable solution encoding in a chromosome and a specially-designed set of
operators. The operators include three types of mutations, each focusing on a
particular aspect of the SGS solution, optimized crossover and a local coverage
improvement scheme (a memetic aspect of EASGS). We also introduce a new set of
benchmark games, based on dense or locally-dense graphs that reflect real-world
SGS settings. In the majority of 342 test game instances, EASGS outperforms
state-of-the-art methods, including a reinforcement learning method, in terms
of time scalability, nearly constant memory utilization, and quality of the
returned defender's strategies (expected payoffs).
- Abstract(参考訳): グリーンセキュリティゲームは野生動物などの天然資源の保護に関わるシナリオをモデル化する一般的な方法となっている。
センサー(例えばカメラを装備したドローン)もリアルタイム情報を提供することでこれらのシナリオでの役割を担っている。
人間とセンサーの両方のディフェンダーリソースを戦略的に組み込むことは、最近のSecurity Games with Signaling(SGS)の課題である。
しかし、現在のSGSの解法は時間やメモリの面ではうまくスケールしない。
そこで本研究では,進化計算パラダイムであるEASGSを用いて,SGSに新たなアプローチを提案する。
EASGSは、染色体と特別に設計された演算子のセットで適切な解を符号化することで、巨大なSGSソリューション空間を効果的に探索する。
オペレータには3種類の突然変異があり、それぞれSGSソリューションの特定の側面、最適化されたクロスオーバー、局所カバレッジ改善スキーム(ESSGSのメメティックな側面)に焦点を当てている。
また、実世界のSGS設定を反映した濃密または局所的なグラフに基づく新しいベンチマークゲームも導入する。
342のテストゲームインスタンスの大多数では、ERSGSは、時間拡張性、ほぼ一定のメモリ使用量、返却されたディフェンダーの戦略(予測ペイオフ)の質の観点から、強化学習方法を含む最先端の手法よりも優れている。
関連論文リスト
- GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。
本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。
提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
論文 参考訳(メタデータ) (2024-02-22T16:00:20Z) - S^2Former-OR: Single-Stage Bimodal Transformer for Scene Graph
Generation in OR [52.964721233679406]
外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である
これまでの研究は主に、ポーズ推定とオブジェクト検出を伴う中間プロセスに依存するセマンティックシーングラフを生成する多段階学習に依存してきた。
本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGの単一段バイモーダルトランスフォーマフレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-22T11:40:49Z) - A Survey on 3D Gaussian Splatting [61.39268405545931]
3Dガウススプラッティング(3D GS)は、明示的なラディアンス場とコンピュータグラフィックスのランドスケープにおいて、トランスフォーメーション技術として登場した。
本稿では,3D GSの領域における最近の発展と重要な貢献について,初めて体系的に概説する。
リアルタイムのパフォーマンスを促進することによって、3D GSは、仮想現実からインタラクティブメディアまで、さまざまなアプリケーションを開きます。
論文 参考訳(メタデータ) (2024-01-08T13:42:59Z) - GIFD: A Generative Gradient Inversion Method with Feature Domain
Optimization [52.55628139825667]
Federated Learning(FL)は、クライアントのプライバシを保護するための有望な分散機械学習フレームワークとして登場した。
近年の研究では、事前学習された生成逆ネットワーク(GAN)を事前知識として活用することにより、攻撃者が共有勾配を逆転し、FLシステムに対する機密データを回復できることが示されている。
textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD)を提案する。
論文 参考訳(メタデータ) (2023-08-09T04:34:21Z) - Domain Adaptation using Silver Standard Labels for Ki-67 Scoring in
Digital Pathology: A Step Closer to Widescale Deployment [3.1796396749012676]
本研究は,ゴールド・スタンダード (GS) ソース・ドメイン・データの拡張に使用される銀標準 (pseudo) ラベルを対象ドメインに生成するフレームワークを提案する。
提案するパイプラインは,手動のアノテーションを使わずに対象の分布を効率よく学習する方法を提供する。
論文 参考訳(メタデータ) (2023-07-08T01:23:36Z) - AdAM: Few-Shot Image Generation via Adaptation-Aware Kernel Modulation [71.58154388819887]
F SIG(Few-shot Image Generation)は、少数のトレーニングサンプル(例:10)が与えられた新しい多様な画像を生成することを目的としている。
最近の研究は、大規模ソースドメインで事前訓練されたGANを活用し、ターゲットドメインに適応することで、F SIGに対処している。
本稿では、異なるソース・ターゲット領域近傍の一般F SIGに対してAdaptation-Aware kernel Modulation (AdAM)を提案する。
論文 参考訳(メタデータ) (2023-07-04T03:56:43Z) - Calibrated Stackelberg Games: Learning Optimal Commitments Against
Calibrated Agents [15.145023509806977]
Calibrated Stackelberg Games (CSGs)は、新しいタイプのStackelberg Games (SGs)である。
CSGでは、プリンシパルは(標準のSGとは対照的に)エージェントと繰り返し対話し、プリンシパルのアクションに直接アクセスするのではなく、それに関するキャリブレーションされた予測に対応する。
CSGでは,ゲームにおける最適スタックルバーグ値に収束するユーティリティを,有限条件と連続条件の両方で実現可能であることを示す。
論文 参考訳(メタデータ) (2023-06-05T08:55:50Z) - Subequivariant Graph Reinforcement Learning in 3D Environments [34.875774768800966]
本稿では,3次元環境における変分グラフRL(Subequivariant Graph RL)という,形態に依存しないRLの新たなセットアップを提案する。
具体的には、まず3D空間でより実用的で挑戦的なベンチマークを新たに導入する。
拡張状態-作用空間上のポリシーを最適化するために,幾何対称性を注入することを提案する。
論文 参考訳(メタデータ) (2023-05-30T11:34:57Z) - Scaling Multi-Objective Security Games Provably via Space Discretization
Based Evolutionary Search [8.132501036519502]
マルチオブジェクトセキュリティゲーム(MOSG)は、複数の異種攻撃者からターゲットを同時に保護する。
現実のシナリオでは、保護される異種攻撃者や標的の数は、既存の最先端メソッドの能力を超える可能性がある。
本稿では,大規模なターゲットや異種攻撃者に対してMOSGをスケールアップするためのSDESと呼ばれる汎用フレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-28T08:46:03Z) - Spatio-Temporal Sparsification for General Robust Graph Convolution
Networks [16.579675313683627]
グラフニューラルネットワーク(GNN)は、様々なグラフ構造データへの応用の成功により、注目を集めている。
最近の研究では、敵対攻撃がGNNの機能を脅かしていることが示されている。
本稿では,GNN隠蔽ノード表現に時空間スペーサー化(ST-Sparse)を適用して,GNNに対する敵攻撃を防御することを提案する。
論文 参考訳(メタデータ) (2021-03-23T02:03:11Z)
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。