論文の概要: Simulation of Stance Perturbations

• arxiv url: http://arxiv.org/abs/2307.08511v1
• Date: Mon, 17 Jul 2023 14:11:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 12:56:51.365028
• Title: Simulation of Stance Perturbations
• Title（参考訳）: 姿勢摂動のシミュレーション
• Authors: Peter Carragher, Lynnette Hui Xian Ng, Kathleen M. Carley
• Abstract要約: 我々はエージェント・ベース・モデリングをシミュレーション手法として使用し、意図的な姿勢摂動がスケールフリーネットワークに与える影響を観察する。 我々は、摂動姿勢と影響力維持のトレードオフを問う、共進化的社会的影響モデルを開発する。
• 参考スコア（独自算出の注目度）: 6.458496335718509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we analyze the circumstances under which social influence operations are likely to succeed. These circumstances include the selection of Confederate agents to execute intentional perturbations and the selection of Perturbation strategies. We use Agent-Based Modelling (ABM) as a simulation technique to observe the effect of intentional stance perturbations on scale-free networks. We develop a co-evolutionary social influence model to interrogate the tradeoff between perturbing stance and maintaining influence when these variables are linked through homophily. In our experiments, we observe that stances in a network will converge in sufficient simulation timesteps, influential agents are the best Confederates and the optimal Perturbation strategy involves the cascade of local ego networks. Finally, our experimental results support the theory of tipping points and are in line with empirical findings suggesting that 20-25% of agents need to be Confederates before a change in consensus can be achieved.
• Abstract（参考訳）: 本研究では,社会的影響操作が成功するであろう状況を分析した。 これらの状況には、意図的な摂動を実行するための南軍のエージェントの選択と摂動戦略の選択が含まれる。 我々はエージェントベースモデリング(ABM)をシミュレーション手法として使用し、意図的な姿勢摂動がスケールフリーネットワークに与える影響を観察する。 共進化的社会的影響モデルを開発し,これらの変数が相同性を通じて関連付けられた場合,摂動姿勢と影響維持とのトレードオフを問う。 我々の実験では、ネットワーク内の姿勢が十分なシミュレーション時間ステップに収束し、影響力のあるエージェントが最良の南軍であり、最適な摂動戦略はローカルなegoネットワークのカスケードを伴う。 最後に、我々の実験結果はチップングポイントの理論を支持し、コンセンサスの変化が達成される前にエージェントの20-25%が南軍である必要があるという実証的な結果と一致している。

関連論文リスト

• Causal Influence in Federated Edge Inference [34.487472866247586]
  本稿では、未ラベルのストリーミングデータを用いて、接続性のある異種エージェントが推論を行う環境について考察する。 不確実性を克服するために、エージェントは、融合センターを通じてローカルな推論を交換することで互いに協力する。 エージェントの関与パターンや核融合センターの方針を反映した様々なシナリオを考察した。
  論文  参考訳（メタデータ） (2024-05-02T13:06:50Z)
• SA-Attack: Improving Adversarial Transferability of Vision-Language Pre-training Models via Self-Augmentation [56.622250514119294]
  ホワイトボックスの敵攻撃とは対照的に、転送攻撃は現実世界のシナリオをより反映している。 本稿では,SA-Attackと呼ばれる自己拡張型転送攻撃手法を提案する。
  論文  参考訳（メタデータ） (2023-12-08T09:08:50Z)
• Sim-to-Real Causal Transfer: A Metric Learning Approach to Causally-Aware Interaction Representations [62.48505112245388]
  エージェント相互作用の現代的表現の因果認識を詳細に検討する。 近年の表現は、非因果剤の摂動に対して部分的に耐性があることが示されている。 因果アノテーションを用いた潜在表現を正規化するための計量学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:57:03Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Motion-Scenario Decoupling for Rat-Aware Video Position Prediction: Strategy and Benchmark [49.58762201363483]
  本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。 本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。 難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2023-05-17T14:14:31Z)
• Delayed and Indirect Impacts of Link Recommendations [23.583662580148133]
  動的環境下でのソーシャルネットワークに対するレコメンデーションの効果について検討する。 リンクレコメンデーションは、ネットワークの構造的特性に突然の遅延と間接的な影響があることがわかった。 反実的シミュレーションでは、リンク推奨の間接効果を除去することで、自然成長力学の下でのネットワークのトレンドがより高速になることを示す。
  論文  参考訳（メタデータ） (2023-03-17T00:09:19Z)
• How Tempering Fixes Data Augmentation in Bayesian Neural Networks [22.188535244056016]
  テンパリングは、拡張のモデリングから生じる誤特定を暗黙的に減らし、すなわちデータとして示す。 温度は有効サンプルサイズの役割を模倣し、増強によって提供される情報の利得を反映している。
  論文  参考訳（メタデータ） (2022-05-27T11:06:56Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Strategic Instrumental Variable Regression: Recovering Causal Relationships From Strategic Responses [16.874125120501944]
  観測可能な特徴と予測したい結果の因果関係を回復するために,戦略的対応を効果的に活用できることが示される。 我々の研究は、機械学習モデルに対する戦略的応答と機器変数(IV)回帰との新たな関係を確立する。
  論文  参考訳（メタデータ） (2021-07-12T22:12:56Z)
• An Imitation from Observation Approach to Transfer Learning with Dynamics Mismatch [44.898655782896306]
  本研究では,この移動問題に対する既存の解法として,観測からの模倣問題と密接に関連していることを示す。 我々は, 観測手法から, 対向的模倣に基づく新たなアルゴリズム, GARAT (Generative Adversarial reinforced action transformation) を導出する。 GARATで訓練されたエージェントは、既存のブラックボックス転送手法と比較して、ターゲット環境において高いリターンを達成する。
  論文  参考訳（メタデータ） (2020-08-04T14:36:02Z)
• Estimating the Effects of Continuous-valued Interventions using Generative Adversarial Networks [103.14809802212535]
  我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。 我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。 継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:46:21Z)

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。