使用多标记运动数据检测动态社交网络中的变化
Detecting changes in dynamic social networks using multiply-labeled movement data
摘要：
动物种群的社会结构通常可以影响运动，并为研究人员提供物种行为倾向的信息。动物社交网络可以通过运动数据进行研究;然而，现代数据源可能存在识别问题，导致多个标记的个体。由于所有可用的社会运动模型依赖于独特的标签，我们扩展了现有的贝叶斯分层运动模型的方式，利用潜在的社会网络，并容纳多标签的运动数据（MLMD）。我们将我们的模型应用于无人机测量的运动数据从Risso的海豚（Grampus griseus）和估计的影响，声纳曝光的海豚的社会结构。我们提出的框架可以适用于MLMD的各种社会运动的应用。
英文摘要：
The social structure of an animal population can often influence movement and inform researchers on a species' behavioral tendencies. Animal social networks can be studied through movement data; however, modern sources of data can have identification issues that result in multiply-labeled individuals. Since all available social movement models rely on unique labels, we extend an existing Bayesian hierarchical movement model in a way that makes use of a latent social network and accommodates multiply-labeled movement data (MLMD). We apply our model to drone-measured movement data from Risso's dolphins (Grampus griseus) and estimate the effects of sonar exposure on the dolphins' social structure. Our proposed framework can be applied to MLMD for various social movement applications.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
