論文の概要: How Swarms Differ: Challenges in Collective Behaviour Comparison

• arxiv url: http://arxiv.org/abs/2602.13016v1
• Date: Fri, 13 Feb 2026 15:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.436799
• Title: How Swarms Differ: Challenges in Collective Behaviour Comparison
• Title（参考訳）: 群集行動比較の課題 : 群集の多様性
• Authors: André Fialho Jesus, Jonas Kuckling,
• Abstract要約: 特徴集合と類似度尺度の相互作用により、類似した振る舞いの群を識別するのにいくつかの組み合わせがより適していることを示す。 また,行動を容易に区別できない特徴空間の領域を特定するために,自己組織地図に基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 1.4180331276028662
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Collective behaviours often need to be expressed through numerical features, e.g., for classification or imitation learning. This problem is often addressed by proposing an ad-hoc feature set for a particular swarm behaviour context, usually without further consideration of the solution's resilience outside of the conceived context. Yet, the development of automatic methods to design swarm behaviours is dependent on the ability to measure quantitatively the similarity of swarm behaviours. Hence, we investigate the impact of feature sets for collective behaviours. We select swarm feature sets and similarity measures from prior swarm robotics works, which mainly considered a narrow behavioural context and assess their robustness. We demonstrate that the interplay of feature set and similarity measure makes some combinations more suitable to distinguish groups of similar behaviours. We also propose a self-organised map-based approach to identify regions of the feature space where behaviours cannot be easily distinguished.
• Abstract（参考訳）: 集団行動は、分類や模倣学習のために、数値的な特徴(例えば、等)を通して表現する必要があることが多い。 この問題は、通常、知覚されたコンテキストの外にあるソリューションのレジリエンスを考慮せずに、特定のスワムの振る舞いコンテキストに対するアドホックな機能セットを提案することで、しばしば解決される。 しかし、Swarm動作を設計するための自動手法の開発は、Swarm動作の類似性を定量的に測定する能力に依存する。 そこで,本稿では,集合行動に対する特徴集合の影響について検討する。 本研究では,従来のSwarmロボットの動作コンテキストを狭くし,頑健さを評価したSwarm特徴セットと類似度尺度を選択する。 特徴集合と類似度尺度の相互作用により、類似した振る舞いの群を識別するのにいくつかの組み合わせがより適していることを示す。 また,行動を容易に区別できない特徴空間の領域を特定するために,自己組織地図に基づく手法を提案する。

関連論文リスト

• Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
  Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。 目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。 一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。 我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
  論文  参考訳（メタデータ） (2025-08-03T23:48:46Z)
• Personalized Behavior-Aware Transformer for Multi-Behavior Sequential Recommendation [25.400756652696895]
  マルチビヘイビアシーケンスレコメンデーション(MBSR)問題に対するパーソナライズされた行動認識変換フレームワーク(PBAT)を提案する。 PBATは表現層にパーソナライズされた振舞いパターン生成器を開発し,逐次学習のための動的・識別的な振舞いパターンを抽出する。 3つのベンチマークデータセットで実験を行い、その結果、フレームワークの有効性と解釈性を示した。
  論文  参考訳（メタデータ） (2024-02-22T12:03:21Z)
• AFD: Mitigating Feature Gap for Adversarial Robustness by Feature Disentanglement [56.90364259986057]
  逆方向の微調整法は、逆方向の訓練方法で事前訓練されたモデルを微調整することにより、逆方向の強靭性を高める。 本稿では,特定の潜伏する特徴を明示的にモデル化し,除去するためのアンタングルメントに基づくアプローチを提案する。 提案手法は,既存の対戦型微調整法や対戦型トレーニングベースラインを超越した手法である。
  論文  参考訳（メタデータ） (2024-01-26T08:38:57Z)
• Leveraging Human Feedback to Evolve and Discover Novel Emergent Behaviors in Robot Swarms [14.404339094377319]
  我々は、人間の入力を活用して、特定のマルチエージェントシステムから現れる可能性のある集団行動の分類を自動で発見することを目指している。 提案手法は,Swarm集団行動に対する類似性空間を学習することにより,ユーザの嗜好に適応する。 我々は,2つのロボット能力モデルを用いたシミュレーションにおいて,本手法が従来よりも豊かな創発的行動の集合を常に発見できることを検証した。
  論文  参考訳（メタデータ） (2023-04-25T15:18:06Z)
• An Omnidirectional Approach to Touch-based Continuous Authentication [6.83780085440235]
  本稿では,スマートフォン上でのタッチ操作が,タッチスクリーンが捉えた動作を通じて,継続的なユーザ認証サービスを実現する方法に焦点を当てる。 タッチ方向とは無関係に従来の手法より優れる一方向アプローチを提案する。 TouchAlyticsの機能は、3つ以上のストロークを組み合わせれば、私たちのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-01-13T13:58:06Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Learning from Aggregate Observations [82.44304647051243]
  本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。 本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。 単純な極大解は様々な微分可能なモデルに適用できる。
  論文  参考訳（メタデータ） (2020-04-14T06:18:50Z)

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。