論文の概要: Leadership Detection via Time-Lagged Correlation-Based Network Inference
- arxiv url: http://arxiv.org/abs/2507.04917v1
- Date: Mon, 07 Jul 2025 12:04:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:35.409647
- Title: Leadership Detection via Time-Lagged Correlation-Based Network Inference
- Title（参考訳）: 時系列相関に基づくネットワーク推論によるリーダーシップ検出
- Authors: Thayanne França da Silva, José Everardo Bessa Maia,
- Abstract要約: 本研究では,速度,加速度,方向といった複数の変数にまたがる時間差相関を用いた動的ネットワーク推定手法を提案する。
提案手法は,データ量やパラメータ依存の離散化を必要とせずに,指導パターンの識別を可能にする。
- 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: Understanding leadership dynamics in collective behavior is a key challenge in animal ecology, swarm robotics, and intelligent transportation. Traditional information-theoretic approaches, including Transfer Entropy (TE) and Time-Lagged Mutual Information (TLMI), have been widely used to infer leader-follower relationships but face critical limitations in noisy or short-duration datasets due to their reliance on robust probability estimations. This study proposes a method based on dynamic network inference using time-lagged correlations across multiple kinematic variables: velocity, acceleration, and direction. Our approach constructs directed influence graphs over time, enabling the identification of leadership patterns without the need for large volumes of data or parameter-sensitive discretization. We validate our method through two multi-agent simulations in NetLogo: a modified Vicsek model with informed leaders and a predator-prey model featuring coordinated and independent wolf groups. Experimental results demonstrate that the network-based method outperforms TE and TLMI in scenarios with limited spatiotemporal observations, ranking true leaders at the top of influence metrics more consistently than TE and TLMI.
- Abstract（参考訳）: 集団行動におけるリーダーシップのダイナミクスを理解することは、動物生態学、群れロボティクス、知的輸送において重要な課題である。
TE(Transfer Entropy)やTLMI(Time-Lagged Mutual Information)といった従来の情報理論のアプローチは、リーダとフォローラーの関係を推定するために広く用いられてきたが、頑健な確率推定に依存するため、ノイズや短周期データセットにおいて限界に直面している。
本研究では, 速度, 加速度, 方向の複数変数にまたがる時間差相関を用いた動的ネットワーク推定手法を提案する。
提案手法は,データ量やパラメータ依存の離散化を必要とせずに,指導パターンの識別を可能にする。
我々は,NetLogoにおける2つのマルチエージェントシミュレーションにより,情報付きリーダーを用いたVicsekモデルと,協調したオオカミ群と独立なオオカミ群を特徴とする捕食者・捕食者モデルの検証を行った。
実験の結果, ネットワークベース手法は, 時空間観測の少ないシナリオにおいて, TEやTLMIよりも優れた性能を示し, TEやTLMIよりも安定した影響指標の上位に真のリーダをランク付けした。
関連論文リスト
- Reinforced Interactive Continual Learning via Real-time Noisy Human Feedback [59.768119380109084]
本稿では,AIモデルがリアルタイムフィードバックから新たなスキルを動的に学習する対話型連続学習パラダイムを提案する。
大規模言語モデル(LLM)を活用した強化型対話型連続学習フレームワークRiCLを提案する。
我々のRiCLアプローチは、最先端のオンライン連続学習とノイズラベル学習の既存の組み合わせを大幅に上回っている。
論文 参考訳（メタデータ） (2025-05-15T03:22:03Z) - Beyond Patterns: Harnessing Causal Logic for Autonomous Driving Trajectory Prediction [10.21659221112514]
本稿では、因果推論を利用して予測堅牢性、一般化、精度を向上させる新しい軌道予測フレームワークを提案する。
本研究は、軌跡予測の因果推論の可能性を強調し、ロバストな自律運転システムへの道を開くものである。
論文 参考訳（メタデータ） (2025-05-11T05:56:07Z) - SocialMOIF: Multi-Order Intention Fusion for Pedestrian Trajectory Prediction [21.780343024406285]
SocialMOIFはこれらの課題に対処するために提案されており、近隣グループ間の高次の意図的相互作用に集中している。
SocialMOIF内では、軌道分布近似器が軌道を実際のデータとより密に整合する値へと導くように設計されている。
より正確で効率的な並列予測を可能にするために、グローバルな軌道が導入された。
論文 参考訳（メタデータ） (2025-04-22T06:14:49Z) - Real-Time Moving Flock Detection in Pedestrian Trajectories Using Sequential Deep Learning Models [1.2289361708127877]
本稿では,マルチペデストリアントラジェクトリにおけるリアルタイムフロック検出に,リカレントニューラルネットワーク(RNN)を含む逐次的深層学習モデルを用いることを検討した。
本手法は実世界のグループ移動データセットを用いて検証し、その頑健さを様々なシーケンスの長さと多様な動きパターンで実証する。
我々は,護送船団や群れなどの集団行動の他の形態を特定するためのアプローチを拡張し,より包括的なマルチエージェント行動分析の道を開く。
論文 参考訳（メタデータ） (2025-02-21T07:04:34Z) - Who Walks With You Matters: Perceiving Social Interactions with Groups for Pedestrian Trajectory Prediction [14.009392073139441]
本稿では,GrouP ConCeption(GPCC)モデルを提案する。
GPCCモデルでは、軌道予測精度が大幅に向上し、社会的・個人的ダイナミクスをモデル化する上での有効性が検証された。
論文 参考訳（メタデータ） (2024-12-03T11:47:33Z) - Online Multi-modal Root Cause Analysis [61.94987309148539]
ルート原因分析(RCA)は、マイクロサービスシステムにおける障害の根本原因の特定に不可欠である。
既存のオンラインRCAメソッドは、マルチモーダルシステムにおける複雑な相互作用を見渡す単一モーダルデータのみを処理する。
OCEANは、根本原因の局在化のための新しいオンラインマルチモーダル因果構造学習手法である。
論文 参考訳（メタデータ） (2024-10-13T21:47:36Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Attention-based Spatial-Temporal Graph Convolutional Recurrent Networks
for Traffic Forecasting [12.568905377581647]
交通予測は交通科学と人工知能における最も基本的な問題の一つである。
既存の手法では、長期的相関と短期的相関を同時にモデル化することはできない。
本稿では,GCRN(Graph Convolutional Recurrent Module)とグローバルアテンションモジュールからなる新しい時空間ニューラルネットワークフレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-25T03:37:00Z) - Age of Semantics in Cooperative Communications: To Expedite Simulation
Towards Real via Offline Reinforcement Learning [53.18060442931179]
協調リレー通信システムにおける状態更新のセマンティックス更新度を測定するための意味学年代(AoS)を提案する。
オンライン・ディープ・アクター・クリティック(DAC)学習手法を,政治時間差学習の枠組みに基づいて提案する。
そこで我々は,以前に収集したデータセットから最適制御ポリシーを推定する,新しいオフラインDAC方式を提案する。
論文 参考訳（メタデータ） (2022-09-19T11:55:28Z)
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。