文献

J-GLOBAL ID：201802228787818296   整理番号：18A2022915

認知推論の埋め込みによる拡散モデルの強化【JST・京大機械翻訳】

Enhancing Diffusion Models by Embedding Cognitive Reasoning

著者 (3件)： Bulumulla Chaminda (RMIT University, Melbourne, Australia) ,  Chan Jeffrey (RMIT University, Melbourne, Australia) ,  Padgham Lin (RMIT University, Melbourne, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ASONAM  ページ： 744-749  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 拡散モデルは,社会ネットワークを通して情報,意見およびアイデアのような多様なコンテンツの広がりを理解するための強力なツールである。これらのモデルはウイルスマーケティングのような拡散動力学の研究に成功裏に使用されているが,より複雑なモデルを必要とする多くの実際のシナリオ(例えば,ワクチン接種,避難)がある。したがって,認知エージェントモデリングと拡散モデリングを組み合わせた新しいハイブリッドフレームワークを提案した。ハイブリッド,一般的なフレームワークは,BDI(信念-Densition-Intention),先進的で効率的な認知エージェントフレームワークに基づいている。著者らは,5000のエージェントから成る野火避難事例研究に対する著者らのフレームワークを実証した。次に,著者らのモデルの拡散結果を,2つのベースラインモデル,標準線形閾値(LT)モデルおよび17の異なる入力構成にわたるLTモデルのわずかに修正されたバージョンに対して比較し,解析した。結果は,(統計的に)多くの構成に対するベースラインとの有意差を示し,拡散モデリングにおける認知エージェントの必要性を強調した。ここで提示したフレームワークは,複雑で動的な社会システムにおける拡散現象を捉えるための複雑な推論をモデル化するための基礎を提供する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 社会システム ,  コンテンツ ,  マーケティング ,  *エージェント ,  事例研究 ,  基準線 ,  モデリング ,  予防接種 ,  避難
準シソーラス用語： 有意差 ,  野火 ,  認知エージェント ,  分散モデリング ,  エージェントベースモデリング ,  *拡散モデル , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 認知 ,  推論 ,  埋め込み ,  拡散モデル ,  強化