論文の概要: Interaction valence reveals contrasting social networks in dairy cattle
- arxiv url: http://arxiv.org/abs/2608.19222v1
- Date: Sun, 26 Jul 2026 10:22:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-23 14:54:39.995993
- Title: Interaction valence reveals contrasting social networks in dairy cattle
- Title（参考訳）: 乳牛のソーシャルネットワークと対等な相互作用の原子価が明らかに
- Abstract要約: 社会関係は資源へのアクセス、紛争への曝露、グループの安定を形作る。
本稿では,ビデオからのインタラクションを群レベルでの表現に変換する,有能なソーシャル・ネットワーク・フレームワークを提案する。
- 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: Social relationships shape access to resources, exposure to conflict and group stability, yet automated livestock monitoring typically treats behaviour as isolated events. Here, we present a valence-aware social-network framework that transforms video-derived interactions into herd-level representations of affiliative and agonistic organization. A pose-based computer-vision pipeline analysed 7 h 39 min of continuous video from the pre-milking area of one commercial dairy farm. After quality control, 1,183 of 1,414 candidate interactions remained, involving 36 cows and 177 dyads. In a predicted-class-balanced audit of 198 pipeline-detected clips, automated and manual labels agreed in 82.8% of cases, with an unweighted audit-sample macro-F1 of 0.872. These values describe the audited sample rather than prevalence-weighted or end-to-end deployment performance. The aggregated network was connected (density = 0.281; transitivity = 0.513; mean path length = 1.88), and predicted affiliative events formed five algorithmic communities (modularity Q = 0.429). Within the observed zone, predicted agonistic interactions comprised 72.4% of retained events and 76.0% of interaction duration. The cow with the most partners did not have the highest betweenness centrality. Separating events by predicted valence produced descriptively different affiliative and agonistic layers, with contrasting edge sets, community partitions and individual positions. Thus, pooled interaction counts can obscure the behavioural composition of an observed network. Valence-aware analysis provides a framework for testing hypotheses about competition, affiliation and welfare-relevant change, while requiring longitudinal validation before use as a welfare or health indicator.
- Abstract（参考訳）: 社会関係は資源へのアクセス、紛争への曝露、集団の安定を形作るが、自動化された家畜監視は通常、行動は孤立した出来事として扱う。
本稿では,映像からのインタラクションをアフィリエイト的,アゴニスト的な組織の群レベルでの表現に変換する,有能なソーシャルネットワークフレームワークを提案する。
ポーズベースのコンピュータビジョンパイプラインは、1つの商業乳園のプレミルキングエリアから7時間39分連続のビデオを分析した。
品質管理後、36頭の牛と177頭のダイドを含む1,414頭の候補者の相互作用のうち1,183頭が残った。
198本のパイプライン検出クリップのクラスバランスの監査では、自動化されたラベルと手動によるラベルが82.8%のケースで一致し、未加重の監査サンプルマクロF1は0.872である。
これらの値には、頻度重み付けやエンドツーエンドのデプロイメントパフォーマンスよりも、監査済みのサンプルが記述されている。
集約されたネットワークは接続され(密度 = 0.281; 推移性 = 0.513; 平均経路長 = 1.88)、5つのアルゴリズム的コミュニティ(モジュラリティ Q = 0.429)が形成された。
観測ゾーン内では、予測されたアゴニスト相互作用は72.4%の保持事象と76.0%の相互作用持続時間から構成されていた。
最も多くのパートナーを持つ牛は、高い中間性中心性を持っていなかった。
予測値によるイベントの分離は、対照的なエッジセット、コミュニティパーティション、個々の位置を含む、記述的に異なるアフィリエート層とアゴニスト層を生み出した。
このように、プールされた相互作用数は、観測されたネットワークの振る舞いの組成を曖昧にすることができる。
妥当性を意識した分析は、競争、アフィリエイト、福祉関連の変化に関する仮説をテストするための枠組みを提供すると同時に、福祉または健康指標として使われる前に、縦断的な検証を必要とする。
関連論文リスト
- Automated Generation of Complexity-Validated Decision Scenarios Using Large Language Models [1.6249267147413524]
意思決定の研究は、注意深く制御された複雑さを持つ多様なシナリオに依存します。
LLmsを使って構造化決定シナリオを生成する自動パイプラインを開発した。
我々は、複数のドメインと複雑性層にわたる4,238のシナリオを評価した。
論文 参考訳（メタデータ） (2026-08-09T17:12:48Z) - UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction [42.532335022354545]
バッチプロセスにおける異常検出は、過渡的ダイナミクス、欠陥ラベルの不足、単一モードセンサデータへの依存によって妨げられる。
本研究は, バッチ蒸留における異常検出, 時系列予測, 位相分類を共同で扱うマルチモーダルフレームワークUTOPYAを紹介する。
本研究で導入された物理インフォームド正規化スキームは、時間的滑らかさと熱力学的モノトニクスを強制する。
論文 参考訳（メタデータ） (2026-05-18T10:28:15Z) - The Autocorrelation Blind Spot: Why 42% of Turn-Level Findings in LLM Conversation Analysis May Be Spurious [35.76482964927589]
202のマルチターン会話における66のターンレベルメトリクスの自己相関構造を特徴付ける。
標準プールテストでは,42%のアソシエーションがクラスタ・ロバスト補正に成功しなかった。
我々は、Chelton (1983) の有効自由度と会話レベルのブロックブートストラップを組み合わせた2段階補正フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T20:54:39Z) - FairLogue: A Toolkit for Intersectional Fairness Analysis in Clinical Machine Learning Models [0.5951287048890108]
アルゴリズムフェアネスは、医療における公平で信頼できる機械学習に不可欠である。
本研究は,観測的および対実的文脈における交差フェアネス評価を運用するためのツールキットであるFairlogueを紹介する。
論文 参考訳（メタデータ） (2026-04-06T17:03:03Z) - Computational Foundations for Strategic Coopetition: Formalizing Sequential Interaction and Reciprocity [0.33985917934283577]
マルチステークホルダーシステムにおける戦略的協調は、契約を拘束することなく、時間を通して協力がどのように持続するかを理解する必要がある。
この技術報告は、戦略的コペアションの計算基盤を逐次相互作用力学に拡張する。
論文 参考訳（メタデータ） (2026-03-29T19:16:20Z) - Beyond Reward: A Bounded Measure of Agent Environment Coupling [0.0]
両予測可能性 (P) は, 観測, 行動, 結果ループにおける共有情報の合計情報に対する比率として導入する。
補助モニタであるIDT(Information Digital Twin)は、インタラクションストリームからPとその診断コンポーネントを演算する。
我々は,MuJoCo HalfCheetahのSACおよびPPO剤を8剤,環境側摂動を168試験で評価した。
論文 参考訳（メタデータ） (2026-03-01T21:38:39Z) - Beyond Proximity: A Keypoint-Trajectory Framework for Classifying Affiliative and Agonistic Social Networks in Dairy Cattle [0.764671395172401]
市販の乳製品納屋におけるインタラクションの分類のためのポーズベースの計算フレームワークを提案する。
画素レベルの外観や単純な距離測定に頼るのではなく、キーポイント軌道からの相互作用運動シグネチャを符号化する。
その結果,対話を意識したソーシャルネットワーク構築に適した,視覚に基づくソーシャルインタラクションの自動推論のための概念実証が確立された。
論文 参考訳（メタデータ） (2025-12-17T01:01:51Z) - Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。
ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。
MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
論文 参考訳（メタデータ） (2025-11-19T20:11:49Z) - AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。
372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。
これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-02T20:52:16Z) - Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。
現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。
情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
論文 参考訳（メタデータ） (2025-03-21T18:06:28Z) - Explicit Tradeoffs between Adversarial and Natural Distributional
Robustness [48.44639585732391]
実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。
本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
論文 参考訳（メタデータ） (2022-09-15T19:58:01Z) - NestedVAE: Isolating Common Factors via Weak Supervision [45.366986365879505]
我々は、バイアス低減の課題と、ドメイン間で共通する分離要因の関係を同定する。
共通因子を分離するために、潜伏変数モデルの理論と情報ボトルネック理論を組み合わせる。
共有重みを持つ2つの外部VAEは入力を再構成し、潜伏空間を推論し、一方、ネストされたVAEはペア化された画像の潜伏表現から1つの画像の潜伏表現を再構成しようとする。
論文 参考訳（メタデータ） (2020-02-26T15:49:57Z)
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。