論文の概要: The Traveling Mailman: Topological Optimization Methods for User-Centric Redistricting

• arxiv url: http://arxiv.org/abs/2407.19535v3
• Date: Sun, 11 Aug 2024 15:06:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-13 20:23:30.218636
• Title: The Traveling Mailman: Topological Optimization Methods for User-Centric Redistricting
• Title（参考訳）: 旅行メールマン:ユーザ中心再限定のためのトポロジ的最適化手法
• Authors: Nelson A. Colón Vargas,
• Abstract要約: 本研究では,US Postal Service ネットワークを用いた地域間接続性評価手法を提案する。 我々は、地域境界がコミュニティの整合性に与える影響を評価するために、トポロジカルデータ分析とマルコフ・チェイン・モンテカルロ法を組み合わせる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study introduces a new districting approach using the US Postal Service network to measure community connectivity. We combine Topological Data Analysis with Markov Chain Monte Carlo methods to assess district boundaries' impact on community integrity. Using Iowa as a case study, we generate and refine districting plans using KMeans clustering and stochastic rebalancing. Our method produces plans with fewer cut edges and more compact shapes than the official Iowa plan under relaxed conditions. The low likelihood of finding plans as disruptive as the official one suggests potential inefficiencies in existing boundaries. Gaussian Mixture Model analysis reveals three distinct distributions in the districting landscape. This framework offers a more accurate reflection of community interactions for fairer political representation.
• Abstract（参考訳）: 本研究では,US Postal Service ネットワークを用いた地域間接続性評価手法を提案する。 我々は、地域境界がコミュニティの整合性に与える影響を評価するために、トポロジカルデータ分析とマルコフ・チェイン・モンテカルロ法を組み合わせる。 アイオワ州をケーススタディとして、KMeansクラスタリングと確率的再バランスを用いて地区計画を作成し、洗練する。 提案手法は, ゆるやかな条件下でのアイオワ州の公式計画よりも, カットエッジが少なく, コンパクトな形状の計画を生成する。 正式な計画ほど破壊的な計画を見つける可能性が低いことは、既存の境界における潜在的な非効率性を示唆している。 ガウス混合モデル解析により、地区景観における3つの異なる分布が明らかになった。 このフレームワークは、より公平な政治的表現のためのコミュニティの相互作用をより正確に反映する。

関連論文リスト

• Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
  我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。 提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。 提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
  論文  参考訳（メタデータ） (2024-08-23T15:02:09Z)
• Multiscale Parallel Tempering for Fast Sampling on Redistricting Plans [1.1233768932957773]
  説得力のある方法は、計画と中立に描画された再限定計画のアンサンブルを比較することである。 アンサンブルと所定の計画との党派差を監査するためには、非党派基準が一致していることを保証する必要がある。 本研究では,各スケールで局所移動を行うマルチスケール並列テンパリング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-30T21:33:05Z)
• LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference [66.45326873274908]
  本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。 MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
  論文  参考訳（メタデータ） (2023-07-23T03:38:55Z)
• Consistency-Aware Anchor Pyramid Network for Crowd Localization [167.93943981468348]
  クラウドローカライゼーションは、群衆シナリオにおける人間の空間的位置を予測することを目的としている。 本稿では,各画像領域のアンカー密度を適応的に決定するアンカーピラミッド方式を提案する。
  論文  参考訳（メタデータ） (2022-12-08T04:32:01Z)
• Spanning tree methods for sampling graph partitions [0.7658085223797904]
  分割プランはグラフの連結部分集合へのバランスの取れた分割と見なすことができる。 RevReComは、ReComが元々近似するために設計された単純で自然な分布に収束する。
  論文  参考訳（メタデータ） (2022-10-04T06:18:33Z)
• Compact Redistricting Plans Have Many Spanning Trees [39.779544988993294]
  政治的再分権マップの設計と分析において、国勢調査ブロックのグラフのすべての分割の空間から同じ人口の連結部分グラフにサンプリングできることがしばしば有用である。 本稿では,境界分割領域の総長さと,そのような写像がサンプリングされる確率との間には,逆指数関係が成立する。
  論文  参考訳（メタデータ） (2021-09-27T23:36:01Z)
• Cascaded Residual Density Network for Crowd Counting [63.714719914701014]
  本研究では, 群衆数に対する高品質な密度マップを高精度に作成するために, 粗大なアプローチで新しいカスケード残差密度ネットワーク(CRDNet)を提案する。 新たな局所的カウント損失が示され、群衆カウントの精度が向上する。
  論文  参考訳（メタデータ） (2021-07-29T03:07:11Z)
• Compactness statistics for spanning tree recombination [0.0]
  レコム法は、他の方法よりもコンパクトな地区で計画を作成する。 2つの格子グラフとボルダー郡管区グラフの2分割計画のアンサンブルを構築した。 これはReCom法による分割計画のコンパクト性を理解するための重要なステップである。
  論文  参考訳（メタデータ） (2021-03-03T21:39:51Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)
• Sequential Monte Carlo for Sampling Balanced and Compact Redistricting Plans [0.0]
  本稿では,現実的な目標分布に収束する再限定計画のサンプルを生成する,SMC(Sequential Monte Carlo)アルゴリズムを提案する。 提案アルゴリズムの精度を,すべての再分割計画を列挙可能な小さなマップを用いて検証する。 次に、SMCアルゴリズムを用いて、ペンシルベニア州の最近の有名な再分権事件において、関係当事者が提出したいくつかの地図のパルチザン的含意を評価する。
  論文  参考訳（メタデータ） (2020-08-13T23:26:34Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。