Fugu-MT 論文翻訳(概要): Discovering Transition Pathways Towards Coviability with Machine Learning

論文の概要: Discovering Transition Pathways Towards Coviability with Machine Learning

arxiv url: http://arxiv.org/abs/2301.10023v1
Date: Fri, 6 Jan 2023 08:55:24 GMT
ステータス: 処理完了
システム内更新日: 2023-01-29 13:41:12.274837
Title: Discovering Transition Pathways Towards Coviability with Machine Learning
Title（参考訳）: 機械学習によるコビビリティに向けた遷移経路の発見
Authors: Laure Berti-Equille and Rafael L. G. Raimundo
Abstract要約: 共生性(Coviability)とは、人間と自然が機能的、公正で永続的な方法で共存できる複数の社会・生態的な配置と統治構造を指す。本稿では,ブラジル北東部の地域住民が採用・実施できるコビビリティ・パスを発見するために,機械学習,アグロエコロジー,社会科学を組み合わせたフランス・ブラジル共同研究プロジェクトについて述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Coviability refers to the multiple socio-ecological arrangements and governance structures under which humans and nature can coexist in functional, fair, and persistent ways. Transitioning to a coviable state in environmentally degraded and socially vulnerable territories is challenging. This paper presents an ongoing French-Brazilian joint research project combining machine learning, agroecology, and social sciences to discover coviability pathways that can be adopted and implemented by local populations in the North-East region of Brazil.
Abstract（参考訳）: 共生性(coviability)とは、人間と自然が機能的で公平で永続的な方法で共存できる、複数の社会生態学的配置とガバナンス構造を指す。環境劣化と社会的に脆弱な領域において、共生可能な状態に移行することは困難である。本稿では,ブラジル北東部の地域住民が採用・実施できるコビビリティ・パスを発見するために,機械学習,アグロエコロジー,社会科学を組み合わせたフランス・ブラジル共同研究プロジェクトについて述べる。

関連論文リスト

Distinguishing mechanisms of social contagion from local network view [0.02499907423888048]
複数の採用ルールは、同じ社会的感染プロセスでも共存することがある。我々のゴールは、既存の採用メカニズムが顕微鏡的視点から区別できるかどうかを理解することである。本研究は、自我中心レベルでの伝播過程の観察について、新しい視点を提供する。
論文参考訳（メタデータ） (2024-06-26T17:49:24Z)
Learning Spatial and Temporal Hierarchies: Hierarchical Active Inference for navigation in Multi-Room Maze Environments [8.301959009586861]
本稿では,画素ベースの観測から世界の構造を推定する課題に対処する階層的アクティブ推論モデルを提案する。本稿では,好奇心を駆使した探索と目標志向の行動を組み合わせた認知マップ,アロセントリック,エゴセントリックな世界モデルからなる3層階層モデルを提案する。
論文参考訳（メタデータ） (2023-09-18T15:24:55Z)
Towards Sustainable Development: A Novel Integrated Machine Learning Model for Holistic Environmental Health Monitoring [0.0]
都市化は経済成長を可能にするが、劣化によって環境を害する。機械学習は、主要な予測的特徴を特定することによって環境劣化を追跡するための有望なツールとして登場した。本研究の目的は、介入点の特定、計画と保全の取り組みの改善、そして究極的には持続可能な開発への貢献を支援することである。
論文参考訳（メタデータ） (2023-08-20T16:35:21Z)
Phase Transitions of Civil Unrest across Countries and Time [0.0]
1946年から2017年までの170カ国の市民不安事象のデータセットを用いて、マクロレベルの市民不安統計モデルを導入し、その妥当性を評価する。本研究は,世界各国の市民不安データの特徴を効果的に捉えていることを示す。我々のアプローチは、市民の不安を超えた様々な集団の人間の現象における相転移を識別し、測定する可能性がある。
論文参考訳（メタデータ） (2023-06-14T18:38:32Z)
Stateful active facilitator: Coordination and Environmental Heterogeneity in Cooperative Multi-Agent Reinforcement Learning [71.53769213321202]
環境の調整レベルと不均一度の概念を定式化する。異なるMARLアプローチの実証評価を容易にするマルチエージェント環境のスイートであるHECOGridを提案する。本研究では,エージェントが高配向環境と高配向環境において効率的に作業することを可能にする訓練分散実行学習手法を提案する。
論文参考訳（メタデータ） (2022-10-04T18:17:01Z)
Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
論文参考訳（メタデータ） (2021-12-03T12:10:26Z)
Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文参考訳（メタデータ） (2021-10-25T13:40:36Z)
Applications of physics-informed scientific machine learning in subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文参考訳（メタデータ） (2021-04-10T13:40:22Z)
Ecological Reinforcement Learning [76.9893572776141]
このような条件下での学習を容易にする環境特性について検討する。環境の特性が強化学習エージェントのパフォーマンスにどのように影響するかを理解することは、学習を魅力的にする方法でタスクを構造化するのに役立ちます。
論文参考訳（メタデータ） (2020-06-22T17:55:03Z)
Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
論文参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。