論文の概要: Distinguishing mechanisms of social contagion from local network view
- arxiv url: http://arxiv.org/abs/2406.18519v2
- Date: Thu, 27 Jun 2024 12:34:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-28 12:59:10.928190
- Title: Distinguishing mechanisms of social contagion from local network view
- Title(参考訳): 地域ネットワークから見た社会感染の消長メカニズム
- Authors: Elsa Andres, Gergely Ódor, Iacopo Iacopini, Márton Karsai,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.02499907423888048
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The adoption of individual behavioural patterns is largely determined by stimuli arriving from peers via social interactions or from external sources. Based on these influences, individuals are commonly assumed to follow simple or complex adoption rules, inducing social contagion processes. In reality, multiple adoption rules may coexist even within the same social contagion process, introducing additional complexity into the spreading phenomena. Our goal is to understand whether coexisting adoption mechanisms can be distinguished from a microscopic view, at the egocentric network level, without requiring global information about the underlying network, or the unfolding spreading process. We formulate this question as a classification problem, and study it through a Bayesian likelihood approach and with random forest classifiers in various synthetic and data-driven experiments. This study offers a novel perspective on the observations of propagation processes at the egocentric level and a better understanding of landmark contagion mechanisms from a local view.
- Abstract(参考訳): 個人の行動パターンの採用は、主に、社会的相互作用や外部ソースを介して仲間からやってくる刺激によって決定される。
これらの影響に基づき、個人は一般的に単純または複雑な養子縁組規則に従うと仮定され、社会的伝染プロセスが引き起こされる。
実際には、複数の採用ルールは、同じ社会的伝染プロセス内で共存し、拡散現象にさらなる複雑さをもたらす可能性がある。
我々のゴールは、既存の採用メカニズムが、基盤となるネットワークや展開プロセスのグローバルな情報を必要とすることなく、エゴセントリックネットワークレベルで、顕微鏡的な視点から区別できるかどうかを理解することである。
本稿では、この問題を分類問題として定式化し、ベイズ確率法および様々な合成およびデータ駆動実験におけるランダムな森林分類器を用いて研究する。
本研究は、自我中心レベルでの伝播過程の観察と、局所的な視点からランドマーク感染機構のより深い理解について、新しい視点を提供する。
関連論文リスト
- Navigating the swarm: Deep neural networks command emergent behaviours [2.7059353835118602]
エージェント間相互作用ルールを微調整することにより,グローバルなパターンを意図した集合行動の協調構造を生成することができることを示す。
私たちの戦略では、望ましい構造を指示する相互作用ルールを見つけるために、ダイナミックスの法則に従うディープニューラルネットワークを採用しています。
本研究は, ロボット群操作, アクティブ物質組織, 生体システムにおける不明瞭な相互作用規則の解明における新たな応用の道を開くものである。
論文 参考訳(メタデータ) (2024-07-16T02:46:11Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - LISBET: a self-supervised Transformer model for the automatic
segmentation of social behavior motifs [0.0]
LISBET (seLf-supervIsed Social BEhavioral Transformer) を導入した。
本モデルでは,自己教師付き学習を用いることで,特徴選択や広範囲な人的アノテーションの必要性を解消する。
LISBETは、教師付き微調整を用いて行動分類を自動化する仮説駆動型モードや、教師なし学習を用いて社会的行動モチーフを分割する発見駆動型モードで使用することができる。
論文 参考訳(メタデータ) (2023-11-07T15:35:17Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳(メタデータ) (2023-10-23T13:35:24Z) - Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。
我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。
機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
論文 参考訳(メタデータ) (2023-02-14T05:25:03Z) - 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) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳(メタデータ) (2022-02-01T17:11:13Z) - The Sensory Neuron as a Transformer: Permutation-Invariant Neural
Networks for Reinforcement Learning [11.247894240593691]
私たちは、各感覚入力を環境から異なるが同一のニューラルネットワークに供給するシステムを構築します。
これらのセンサネットワークは、ローカルに受信した情報を統合するための訓練が可能であり、アテンションメカニズムによるコミュニケーションにより、グローバルな一貫性を持つポリシーをまとめて作成できることが示される。
論文 参考訳(メタデータ) (2021-09-07T05:12:50Z) - Empirically Classifying Network Mechanisms [0.0]
ネットワークモデルは、多くの物理的、生物学的、社会的分野にわたる相互接続システムの研究に使用される。
任意のネットワークデータを機械的に分類できる単純な経験的アプローチを導入する。
論文 参考訳(メタデータ) (2020-12-22T01:41:34Z) - GCN for HIN via Implicit Utilization of Attention and Meta-paths [104.24467864133942]
不均一情報ネットワーク(HIN)埋め込みは、HINの構造と意味情報を分散表現にマッピングすることを目的としている。
本稿では,注意とメタパスを暗黙的に活用するニューラルネットワーク手法を提案する。
まず、各層で識別集約を行う多層グラフ畳み込みネットワーク(GCN)フレームワークを用いる。
次に,アグリゲーションから分離可能な新しい伝搬操作を導入することにより,効果的な緩和と改善を行う。
論文 参考訳(メタデータ) (2020-07-06T11:09:40Z) - Visualizing and Understanding Vision System [0.6510507449705342]
視覚認識再構成ネットワーク (RRN) を用いて, 発達, 認識, 学習, 忘れるメカニズムについて検討する。
数値認識研究では、RRNが様々な視聴条件下でオブジェクト不変性表現を維持できるのを目撃する。
学習・忘れ研究において、本来のシナプス接続のパターン特異性を保ちつつ、全シナプスを低等級に調整することで、新規な構造認識を行う。
論文 参考訳(メタデータ) (2020-06-11T07:08:49Z)
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。