論文の概要: Predicting long-term collective animal behavior with deep learning
- arxiv url: http://arxiv.org/abs/2302.06839v1
- Date: Tue, 14 Feb 2023 05:25:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 16:20:13.080557
- Title: Predicting long-term collective animal behavior with deep learning
- Title(参考訳): 深層学習による長期的集団動物行動予測
- Authors: Vaios Papaspyros, Ram\'on Escobedo, Alexandre Alahi, Guy Theraulaz,
Cl\'ement Sire, Francesco Mondada
- Abstract要約: 本研究は,魚種Hemigrammus rhodostomusにおける社会的相互作用の深層学習モデルを導入する。
実験結果と最先端解析モデルの結果を比較した。
我々は,ソーシャルインタラクションの機械学習モデルが,その分析モデルと直接競合できることを実証した。
- 参考スコア(独自算出の注目度): 67.06717327342473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deciphering the social interactions that govern collective behavior in animal
societies has greatly benefited from advancements in modern computing.
Computational models diverge into two kinds of approaches: analytical models
and machine learning models. This work introduces a deep learning model for
social interactions in the fish species Hemigrammus rhodostomus, and compares
its results to experiments and to the results of a state-of-the-art analytical
model. To that end, we propose a systematic methodology to assess the
faithfulness of a model, based on the introduction of a set of stringent
observables. We demonstrate that machine learning models of social interactions
can directly compete against their analytical counterparts. Moreover, this work
demonstrates the need for consistent validation across different timescales and
highlights which design aspects critically enables our deep learning approach
to capture both short- and long-term dynamics. We also show that this approach
is scalable to other fish species.
- Abstract(参考訳): 動物社会における集団行動を管理する社会的相互作用の解読は、現代コンピューティングの進歩から大きな恩恵を受けている。
計算モデルは分析モデルと機械学習モデルという2つのアプローチにまたがる。
本研究は,魚種Hemigrammus rhodostomusにおける社会的相互作用の深層学習モデルを導入し,実験結果と最先端の分析モデルの結果を比較した。
そこで本研究では,厳密な観測値の集合の導入に基づいて,モデルの忠実度を評価するための体系的手法を提案する。
我々は,ソーシャルインタラクションの機械学習モデルが,その分析モデルと直接競合できることを実証した。
さらに、この研究は異なる時間スケールにまたがって一貫した検証の必要性を示し、デザインの側面が私たちのディープラーニングアプローチを短期的および長期的両方のダイナミクスを捉える上で決定的に有効であるかを強調します。
このアプローチは他の魚種にも拡張可能であることも示しています。
関連論文リスト
- Ecosystem-level Analysis of Deployed Machine Learning Reveals
Homogeneous Outcomes [76.07093761206377]
本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。
デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。
これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
論文 参考訳(メタデータ) (2023-07-12T01:11:52Z) - Multi-Timescale Modeling of Human Behavior [0.18199355648379031]
本稿では,行動情報を複数の時間スケールで処理し,将来の行動を予測するLSTMネットワークアーキテクチャを提案する。
我々は、仮想Minecraftベースのテストベッドでシミュレーションした都市検索・救助シナリオで収集したデータに基づいて、アーキテクチャを評価する。
論文 参考訳(メタデータ) (2022-11-16T15:58:57Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳(メタデータ) (2022-10-28T14:38:50Z) - Beyond Tracking: Using Deep Learning to Discover Novel Interactions in
Biological Swarms [3.441021278275805]
本稿では,システムレベルの状態を全体像から直接予測するディープ・ネットワーク・モデルを提案する。
結果の予測モデルは、人間の理解した予測モデルに基づいていないため、説明モジュールを使用する。
これは、行動生態学における人工知能の例である。
論文 参考訳(メタデータ) (2021-08-20T22:50:41Z) - STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。
実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文 参考訳(メタデータ) (2021-07-15T02:53:11Z) - Learning interaction rules from multi-animal trajectories via augmented
behavioral models [8.747278400158718]
グランガー因果関係は観測された時系列データから相互作用を分析するための実践的なフレームワークである。
この枠組みは動物行動における生成過程の構造を無視している。
マルチアニマル軌道からグラガー因果関係を学習するための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-07-12T11:33:56Z) - Human-Understandable Decision Making for Visual Recognition [30.30163407674527]
モデル学習プロセスに人間の知覚の優先順位を組み込むことにより,深層ニューラルネットワークを訓練する新たなフレームワークを提案する。
提案モデルの有効性を2つの古典的視覚認識タスクで評価する。
論文 参考訳(メタデータ) (2021-03-05T02:07:33Z) - Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。
本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
論文 参考訳(メタデータ) (2020-11-04T18:09:58Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z)
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。