論文の概要: Auto-encoding GPS data to reveal individual and collective behaviour

• arxiv url: http://arxiv.org/abs/2312.00456v1
• Date: Fri, 1 Dec 2023 09:41:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 15:06:24.852256
• Title: Auto-encoding GPS data to reveal individual and collective behaviour
• Title（参考訳）: 個人的および集団的行動を明らかにするための自動符号化GPSデータ
• Authors: Saint-Clair Chabert-Liddell, Nicolas Bez, Pierre Gloaguen, Sophie Donnet, St\'ephanie Mah\'evas
• Abstract要約: 本研究では,個々の軌跡データを用いて個人的および集団的行動を分析する,革新的で汎用的な手法を提案する。 この研究は、海洋生物多様性の保全と生態系に基づく漁業管理の文脈において、規制追跡データから収集された漁船のGPSトラジェクトリの分析によって動機付けられている。
• 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: We propose an innovative and generic methodology to analyse individual and collective behaviour through individual trajectory data. The work is motivated by the analysis of GPS trajectories of fishing vessels collected from regulatory tracking data in the context of marine biodiversity conservation and ecosystem-based fisheries management. We build a low-dimensional latent representation of trajectories using convolutional neural networks as non-linear mapping. This is done by training a conditional variational auto-encoder taking into account covariates. The posterior distributions of the latent representations can be linked to the characteristics of the actual trajectories. The latent distributions of the trajectories are compared with the Bhattacharyya coefficient, which is well-suited for comparing distributions. Using this coefficient, we analyse the variation of the individual behaviour of each vessel during time. For collective behaviour analysis, we build proximity graphs and use an extension of the stochastic block model for multiple networks. This model results in a clustering of the individuals based on their set of trajectories. The application to French fishing vessels enables us to obtain groups of vessels whose individual and collective behaviours exhibit spatio-temporal patterns over the period 2014-2018.
• Abstract（参考訳）: 本研究では,個々の軌跡データから個人的および集団的行動を分析する,革新的で汎用的な手法を提案する。 この研究は、海洋生物多様性保全と生態系に基づく漁業管理の文脈で、規制追跡データから収集された漁船のgpsトラジェクタの分析に動機づけられている。 畳み込みニューラルネットワークを非線形写像として, 軌道の低次元潜在表現を構築する。 これは共変量を考慮した条件付き変分オートエンコーダのトレーニングによって行われる。 潜在表現の後方分布は実際の軌道の特性に関連付けることができる。 軌道の潜在分布は、分布を比較するのに適したバッタリア係数と比較される。 この係数を用いて,各容器の経時的挙動の変化を分析する。 集団行動分析のために,近接グラフを構築し,複数のネットワークに対する確率ブロックモデルの拡張を用いる。 このモデルは、それらの軌道の集合に基づいて個人をクラスタリングする。 フランスの漁船に適用することで,2014～2018年の間,個々の行動と集団行動が時空間的パターンを示す船舶群を得ることができる。

関連論文リスト

• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Delta-AI: Local objectives for amortized inference in sparse graphical models [64.5938437823851]
  スパース確率的グラフィカルモデル(PGM)における補正推論のための新しいアルゴリズムを提案する。 提案手法は, PGMにおける変数のサンプリングをエージェントが行う一連の行動とみなす場合, エージェントのポリシー学習目的において, PGMの疎結合が局所的な信用割当を可能にするという観察に基づいている。 合成PGMからサンプリングし、スパース因子構造を持つ潜在変数モデルを訓練するための$Delta$-AIの有効性について説明する。
  論文  参考訳（メタデータ） (2023-10-03T20:37:03Z)
• Manifold Contrastive Learning with Variational Lie Group Operators [5.0741409008225755]
  そこで本研究では, 余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰余剰乗群演算子を用いて, 潜在多様体を直接モデル化する対照的な学習手法を提案する。 これらの係数上の変動分布は多様体の生成モデルを提供し、対照的なトレーニングと下流のタスクの両方で適用可能な特徴増強を提供するサンプルを提供する。
  論文  参考訳（メタデータ） (2023-06-23T15:07:01Z)
• A CNN-LSTM Architecture for Marine Vessel Track Association Using Automatic Identification System (AIS) Data [2.094022863940315]
  本研究では,トラックアソシエーションのための1次元CNN-LSTMアーキテクチャに基づくフレームワークを提案する。 提案した枠組みは、自動識別システム(AIS)を介して収集された船舶の位置と動きデータを入力とし、最も可能性の高い船舶軌道をリアルタイムで出力として返す。
  論文  参考訳（メタデータ） (2023-03-24T15:26:49Z)
• A semi-supervised geometric-driven methodology for supervised fishing activity detection on multi-source AIS tracking messages [11.969292109862856]
  本稿では,AISデータから漁業活動を検出するための幾何学的半教師付きアプローチを提案する。 船舶経路の形状を記述する特徴を抽出するために,メッセージに含まれる情報を探索する方法を示す。 AISデータストリーム上のリカレントニューラルネットワークを用いて,50種類の漁船の全航路におけるF$スコアの約87%を網羅した解を提案する。
  論文  参考訳（メタデータ） (2022-07-12T13:17:37Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Hierarchical Bayesian Modelling for Knowledge Transfer Across Engineering Fleets via Multitask Learning [0.0]
  エンジニアリングインフラストラクチャーの予測モデルを構築する際に,データの分散性に対処するために,集団レベルの分析を提案する。 解釈可能な階層的ベイズ的アプローチと運用上の艦隊データを利用することで、ドメインの専門知識は、異なるサブグループ間で自然に符号化される(そして適切に共有される)。
  論文  参考訳（メタデータ） (2022-04-26T16:02:25Z)
• Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
  ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。 近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
  論文  参考訳（メタデータ） (2022-02-28T15:53:10Z)
• How Well Do Sparse Imagenet Models Transfer? [75.98123173154605]
  転送学習は、大規模な"上流"データセットで事前訓練されたモデルが、"下流"データセットで良い結果を得るために適応される古典的なパラダイムである。 本研究では、ImageNetデータセットでトレーニングされた畳み込みニューラルネットワーク(CNN)のコンテキストにおいて、この現象を詳細に調査する。 スパースモデルでは, 高空間であっても, 高密度モデルの転送性能にマッチしたり, 性能に優れることを示す。
  論文  参考訳（メタデータ） (2021-11-26T11:58:51Z)
• Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
  歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。 本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。 実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
  論文  参考訳（メタデータ） (2020-09-21T13:57:10Z)
• HGCN-GJS: Hierarchical Graph Convolutional Network with Groupwise Joint Sampling for Trajectory Prediction [14.57655217378212]
  本研究では,軌道予測のための階層型グラフ畳み込みネットワークHGCN-GJSを提案する。 本稿では,複数歩行者の将来の軌道における関節分布をモデル化するための新しい共同サンプリング手法を提案する。 我々は,複数の軌道予測データセット上でのネットワークの性能を実証し,検討したすべてのデータセットに対して最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-09-15T14:51:10Z)

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。