34、社会影响与集体行为建模解析

社会影响与集体行为建模解析

在社会心理学和相关研究领域,对社会影响和集体行为的建模是理解人类群体决策和行为模式的重要途径。下面将深入探讨社会影响的多个特性以及相关的建模框架。

社会影响的特性
  1. 随来源数量增加 :一个人改变观点的概率大致会随着持有其当前不认同观点的人数比例上升而增加。例如,Mullen(1983)提出的“其他 - 总数比率”模型:
    [p = m\left(\frac{S}{N}\right)]
    其中 (m) 是作为“上限”参数的缩放常数。不过,也存在社会影响非单调的情况,比如人们不想“随大流”(Brewer,1991),或者单个异议者产生负面社会影响(Cialdini 等,1990)。
  2. 边际递减 :许多模型认为影响源的边际影响是递减的(凹函数)。社会影响理论(Latané,1981;Nowak,Szamrej,& Latané,1990)将社会影响解释为心理物理现象,其幂函数为:
    [p = m\left(\frac{S}{T}\right)^k]
    其中 (k) 是因情况而异的指数。此外,上限参数 (m) 也会导致边际影响递减,同时信息理论方面,来源之间的相似性(部分冗余)也会使边际影响更快下降(Wilder,1977),贝叶斯分析共识判断也有类似结果(Dawes,1989)。
  3. 不成比例(多数放大) :Condorcet(1785)的“陪审团定理”模型呈现出不成比例性。在该模型下,简单多数(如 6/10)选择选项 1 的概率实际上大于 0.6。其模型基于两个假设:一是
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法仿真方法拓展自身研究思路。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值