Bayesおよび逆Bayes推論による意思決定エージェントを用いた採餌行動のシミュレーション:変位パターンにおける時間相関とべき乗則【JST・京大機械翻訳】

Shinohara, S.; Okamoto, H.; Manome, N.; Gunji, Y.; Nakajima, Y.; Moriyama, T.; Chung, U.-i.

プレプリント

J-GLOBAL ID：202202202362781864 整理番号：21P0257107

Bayesおよび逆Bayes推論による意思決定エージェントを用いた採餌行動のシミュレーション:変位パターンにおける時間相関とべき乗則【JST・京大機械翻訳】

Simulation of foraging behavior using a decision-making agent with Bayesian and inverse Bayesian inference: Temporal correlations and power laws in displacement patterns

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年01月11日プレプリントサーバーでの情報更新日： 2022年01月11日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人間の移動挙動において,ステップ長系列は時間的相関を持ち,この時間依存性とステップ長の周波数分布がべき乗則分布に従うという事実の間にいくつかの関係があると述べた。さらに,いくつかの大型海洋生物におけるステップ長の発生頻度は,餌取得の困難さに依存して,べき乗則と指数分布の間で切り替わることが分かった。しかしながら,今日まで,前述の3つの現象がどのように起こるかは明らかにされていない:ステップ長系列で生成された正相関,ステップ長系列の正の相関と個体ステップ長分布の形態,および被食者の豊度に依存するべき乗則と指数分布の間のスイッチング。本研究では,知識学習と知識ベース推論を同時に行うBayes意思決定エージェントを用いた採餌行動をシミュレートし,前述の3つの現象がどのように起こるかを分析した。学習と推論を有するエージェントにおいて,過去の経験を仮説(知識)として保存し,それらを現在の採餌行動に使用した。同時に,仮説は新しい経験に基づいて更新された。シミュレーション結果は,学習と推論の両方を有するエージェントがすべての現象を同時に引き起こす機構を有することを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

個生態学 , 人工知能

, , , , , , ,

前のページに戻る