論文の概要: Do we listen to what we are told? An empirical study on human behaviour
during the COVID-19 pandemic: neural networks vs. regression analysis
- arxiv url: http://arxiv.org/abs/2311.13046v1
- Date: Tue, 21 Nov 2023 23:14:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 16:42:44.369831
- Title: Do we listen to what we are told? An empirical study on human behaviour
during the COVID-19 pandemic: neural networks vs. regression analysis
- Title（参考訳）: 私たちは言われたことを聞いていますか。
新型コロナウイルスパンデミック時の人間の行動に関する実証的研究 : ニューラルネットワークと回帰分析
- Authors: Yuxi Heluo and Kexin Wang and Charles W. Robson
- Abstract要約: 新型コロナウイルスの感染拡大に伴うマスク着用に関連する公衆衛生政策への一般人口の適合性について検討する。
マスク着用に関する政府規制や公共交通機関の発表が,マスク着用行動の正しさを示唆していることが判明した。
- 参考スコア（独自算出の注目度）: 7.134828408572364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we contribute the first visual open-source empirical study on
human behaviour during the COVID-19 pandemic, in order to investigate how
compliant a general population is to mask-wearing-related public-health policy.
Object-detection-based convolutional neural networks, regression analysis and
multilayer perceptrons are combined to analyse visual data of the Viennese
public during 2020. We find that mask-wearing-related government regulations
and public-transport announcements encouraged correct mask-wearing-behaviours
during the COVID-19 pandemic. Importantly, changes in announcement and
regulation contents led to heterogeneous effects on people's behaviour.
Comparing the predictive power of regression analysis and neural networks, we
demonstrate that the latter produces more accurate predictions of population
reactions during the COVID-19 pandemic. Our use of regression modelling also
allows us to unearth possible causal pathways underlying societal behaviour.
Since our findings highlight the importance of appropriate communication
contents, our results will facilitate more effective non-pharmaceutical
interventions to be developed in future. Adding to the literature, we
demonstrate that regression modelling and neural networks are not mutually
exclusive but instead complement each other.
- Abstract（参考訳）: 本研究では、新型コロナウイルスのパンデミックにおける人間の行動に関する初の視覚的オープンソース実証研究を行い、一般市民がマスク着用に関連する公衆衛生政策にどのように準拠しているかを検討する。
オブジェクト検出に基づく畳み込みニューラルネットワーク、回帰分析、多層パーセプトロンを組み合わせて、2020年中にウィーンの公共の視覚データを解析する。
マスク着用に関する政府規制や公共交通機関の発表は、新型コロナウイルス感染拡大に伴うマスク着用行動の是正を促した。
重要なことは、発表内容と規制内容の変化が人々の行動に異質な影響をもたらしたことである。
回帰分析とニューラルネットワークの予測力を比較すると、新型コロナウイルスのパンデミック時の集団反応をより正確に予測できることが示される。
回帰モデリングを用いることで、社会的行動の基盤となる因果経路を解明することもできます。
本研究は, 適切なコミュニケーション内容の重要性を浮き彫りにするため, 今後, より効果的な非医薬介入が期待できる。
文献に加え、回帰モデリングとニューラルネットワークは相互排他的ではなく、互いに補完するものであることを示す。
関連論文リスト
- Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent
Dynamical Systems [70.84976977950075]
実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。
本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。
我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
論文 参考訳（メタデータ） (2024-02-29T23:07:07Z) - 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) - Interpreting County Level COVID-19 Infection and Feature Sensitivity
using Deep Learning Time Series Models [1.101002667958165]
本稿では,ディープラーニングを用いてモデル予測のための特徴感度を学習する新しいフレームワークを提案する。
テンポラルフュージョントランスを用いた郡レベルの新型コロナウイルス感染予測を行った。
次に、Moris Methodを拡張した感度分析を使用して、出力が静的および動的入力機能に対してどれほど感度が高いかを確認します。
論文 参考訳（メタデータ） (2022-10-06T23:45:37Z) - Searching for the Essence of Adversarial Perturbations [73.96215665913797]
本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。
この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
論文 参考訳（メタデータ） (2022-05-30T18:04:57Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Learning Personal Representations from fMRIby Predicting Neurofeedback
Performance [52.77024349608834]
機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。
この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
論文 参考訳（メタデータ） (2021-12-06T10:16:54Z) - Multiwave COVID-19 Prediction via Social Awareness-Based Graph Neural
Networks using Mobility and Web Search Data [0.0]
移動データを用いた第1発生波を予測する既存の予測モデルは、マルチウェーブ予測には適用できない可能性がある。
本稿では,症状関連Web検索周波数の減衰を考慮したソーシャルアウェアネスに基づくグラフニューラルネットワーク(SAB-GNN)を提案する。
我々は,2020年4月から2021年5月までのモビリティとWeb検索データを用いて,東京地域での今後のパンデミックの発生を予測するためのモデルを訓練した。
論文 参考訳（メタデータ） (2021-10-22T04:24:50Z) - An Extended Epidemic Model on Interconnected Networks for COVID-19 to
Explore the Epidemic Dynamics [2.89591830279936]
パンデミックコントロールは、感染した個人の傾向や影響を捉える疫病モデルを必要とする。
多くのエキサイティングなモデルはこれを実装できるが、実践的な解釈性に欠ける。
本研究は疫学とネットワーク理論を融合し,因果解釈能力を持つ枠組みを提案する。
論文 参考訳（メタデータ） (2021-04-10T06:46:01Z) - Semi-supervised Neural Networks solve an inverse problem for modeling
Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。
我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文 参考訳（メタデータ） (2020-10-10T19:33:53Z) - Transfer Graph Neural Networks for Pandemic Forecasting [32.0506180195988]
人口移動が新型コロナウイルスの感染拡大に与える影響について検討する。
我々は,今後の症例数を予測するためにグラフニューラルネットワークを用いる。
論文 参考訳（メタデータ） (2020-09-10T13:23:52Z) - Two-Stream Aural-Visual Affect Analysis in the Wild [2.578242050187029]
本稿では,ABAW(Affective Behavior Analysis in-the-wild)2020コンペティションについて紹介する。
本稿では,映像から感情行動を認識するための2ストリーム聴覚・視覚分析モデルを提案する。
我々のモデルは、挑戦的なAff-Wild2データベース上で有望な結果を得る。
論文 参考訳（メタデータ） (2020-02-09T16:59:56Z)
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。