• 通过综合方法预测2019-nCoV传播的结束;
  • 预测流行病在网络上传播的速度;
  • 使用SimpleHypergraphs.jl通过超图分析、探索和可视化复杂网络;
  • 带噪声阈值的q-投票模型成对近似;
  • 图通用对抗性攻击:少数坏角色破坏图学习模型;
  • 从社会互动学习图影响力;
  • 社会信息流模型中没有社会强化的复杂传播特征;
  • 自愿社会困境中一种导向循环主导地位的新途径;
  • 通过综合方法预测2019-nCoV传播的结束

    原文标题: Predictions of 2019-nCoV Transmission Ending via Comprehensive Methods

    地址: http://arxiv.org/abs/2002.04945

    作者: Tianyu Zeng, Yunong Zhang, Zhenyu Li, Xiao Liu, Binbin Qiu

    摘要: 自2003年非典爆发,研究提出了很多预测流行病的模型。2019年底,一种称为2019-nCoV的新型冠状病毒爆发并且在中国和世界的传播。本文我们给出了一种多模型常微分方程组神经网络(MMODEs-NN)方法和一些无模型方法来预测中国大陆地区(特别是那些来自湖北省的)省际传播。与以前的流行病学模型相比,本文所提出的网络可以使用常微分方程激活方法模拟交通,而基于sigmoid函数、高斯函数、泊松分布的无模型方法可以线性快速生成合理的预测。根据数值实验和实际情况,一些省份控制疾病的特殊政策是成功的;在传播方面,病毒开始爆发的时间接近中国春运的开始,很可能在2月18日前开始减速并在2020年4月之前结束。研究所提出的数学和人工智能的方法可以对2019-nCoV的终结给出一致、合理的预测。我们期望我们的工作能够作为2019-nCoV综合预测研究的起点。

    预测流行病在网络上传播的速度

    原文标题: Predicting the speed of epidemics spreading on networks

    地址: http://arxiv.org/abs/2002.05090

    作者: Sam Moore, Tim Rogers

    摘要: 全球运输和通信网络使信息、观念和传染病以远超历史上可能的速度进行传播。为了有效地监控、设计或干预这类传播过程,有必要预测在一个特定的网络上特定传播的速度,并且区分在发生爆发时节点受到感染的先后。本文我们使用了消息传递方法导出了简单而有效的预测量,使用多个真实世界网络上疫情的模拟验证了其一致性。除了对不同节点进行个性化预测,我们发现随着传播的持续,总体上存在从低密度到全网络饱和的快速转变。我们建立了理论,解释了树状网络简单接触传染的情景,但我们也呈现了方法如何能极大拓展到复杂传播和高度集群网络上。

    使用SimpleHypergraphs.jl通过超图分析、探索和可视化复杂网络

    原文标题: Analyzing, Exploring, and Visualizing Complex Networks via Hypergraphs using SimpleHypergraphs.jl

    地址: http://arxiv.org/abs/2002.04654

    作者: Alessia Antelmi, Gennaro Cordasco, Bogumił Kamiński, Paweł Prałat, Vittorio Scarano, Carmine Spagnuolo, Przemyslaw Szufel

    摘要: 真实世界的复杂网络通常被模拟成图。图的概念假定网络中的关系是二元(例如,对节点之间);然而,这并不总是对很多实际生活场景,如对等网络通信方案,论文的合着作者,或社会网络互动如此。对于这样的情况下,通常的情况是,底层网络是更好,通过超图更自然地建模。甲超图是其中单个(超)边可以连接任何数量的顶点的曲线图的概括。超图允许建模人员具有多关系(多到多)网络的完整表示;因此,它们非常适合于分析和在这样的数据结构发现更微妙的依赖关系。与超图工作需要新的软件库,使人们有可能对它们进行操作,从基本的算法(搜索或穿越网络)来计算超图的重要措施,其中包括更具挑战性的算法(社区检测)。在本文中,我们提出了一个新的软件库,SimpleHypergraphs.jl,写在朱莉娅的语言,设计用于高性能计算的超图。我们已经融入我们的工具,超图的可视化也存在各种方法。为了演示如何库可以在实践中加以利用,我们讨论了基于2019年的Yelp挑战数据集,并在权力电视剧的博弈内置的协作网络中的两个案例研究。结果是令人鼓舞的,并确认超图提供比标准的基于图的方法更深入的能力。

    带噪声阈值的q-投票模型成对近似

    原文标题: Pair approximation for the noisy threshold q-voter model

    地址: http://arxiv.org/abs/2002.04715

    作者: A. R. Vieira, Antonio F. Peralta, Raul Toral, Maxi San Miguel, C. Anteneodo

    摘要: 在标准 Q -voter模式,只有在有相反的意见的一组大小 Q 的影响范围内全共识给定的主体可以改变意见。更实际的扩展是阈值 Q -voter,其中最小的协议(至少 0 <Q_0 文件q 相反的意见)足以翻转中央剂的观点,还包括独立的(非顺从的)的选择的可能性。这个模型包括非顺从的行为的变异先前已经研究了全连接网络(平均场限制)。这里,我们调查了动态随机网络。特别是,当在平均场情况下,它是无关紧要的影响组中的重复是否允许,我们表明,这不是网络的情况下,我们研究了这两种情况的影响,有或没有重复。此外,计算机仿真的结果与推导出任意度分布的不相关的网络中的一对近似的预测比较。

    图通用对抗性攻击:少数坏角色破坏图学习模型

    原文标题: Graph Universal Adversarial Attacks: A Few Bad Actors Ruin Graph Learning Models

    地址: http://arxiv.org/abs/2002.04784

    作者: Xiao Zang, Yi Xie, Jie Chen, Bo Yuan

    摘要: 深层神经网络,同时期广义很好,被称为是小对抗扰动敏感。这种现象造成严重的安全威胁,并深入深学习模型的鲁棒性的调查电话。随着图结构化数据的神经网络的出现,类似的调查敦促了解他们的鲁棒性。已经发现,扰动adversarially图结构和/或节点的特征可能导致模型性能的显著降解。在这项工作中,我们从不同的角度表明,如果图中包含了几个坏演员节点,这样脆弱性同样会出现哪些妥协,通过翻转到任何目标受害者的连接训练有素的图的神经网络。更糟的是,糟糕的演员找到了一个图模型严重损害其他车型也是如此。我们所说的坏演员“锚节点”,并提出了一种算法,命名为GUA,识别它们。深入实际调查表明一个有趣的发现是,锚节点往往属于同一类;他们还证实锚节点的数量和进攻成功率之间的直观的权衡。对于数据集科拉其中包含2708个节点,只用6个锚节点将导致进攻成功率大于80 %的GCN和其他三款车型更高。

    从社会互动学习图影响力

    原文标题: Learning Graph Influence from Social Interactions

    地址: http://arxiv.org/abs/2002.04946

    作者: Vincenzo Matta, Virginia Bordignon, Augusto Santos, Ali H. Sayed

    摘要: 在社会学习,主体商形成自己的意见或有关交换本地信息的某些假设的信念。这项工作考虑了最近的弱的图,其中,所述网络被划分为发送和接收部件,前者具有上施加后者盛气凌人效果的可能性的范例。这样的图结构是在社交平台普遍。我们不会专注于直接的社会学习问题(其中探讨什么药物学),而是在双重或反向学习问题(其中审查主体如何学习)。具体地,从在某些试剂信念的流的观察,我们想研究是否有可能从所述网络中接收这些发送主体部件学习连接(影响)的强度。

    社会信息流模型中没有社会强化的复杂传播特征

    原文标题: Complex contagion features without social reinforcement in a model of social information flow

    地址: http://arxiv.org/abs/2002.05035

    作者: Tyson Pond, Saranzaya Magsarjav, Tobin South, Lewis Mitchell, James P. Bagrow

    摘要: 传染模型,通过它我们了解到的信息,在社会网络传播的一个主镜头。然而,简单的蔓延模型不能再现真实世界的数据中观察到的复杂的功能,从而导致更复杂的复杂传染模型的研究。复杂蔓延的注意的特点是社会强化,个人需要多次曝光的信息就开始传播它自己之前。在这里,我们表明,加引号的模式,写入的信息在网络上的社会流动的模式,显示复杂的传染病,包括长关系的弱点的功能和更高的密度抑制而不是促进信息流。有趣的是,加引号模型尽管没有明确的社会强化机制,不像复杂的传染模型具有这些特点。我们的研究结果强调有必要与信息传播,以便更好地了解网络性能如何影响信息流和建模社会行为时,什么是最必要成分的信息论观点,以补充传染模型。

    自愿社会困境中一种导向循环主导地位的新途径

    原文标题: A novel route to cyclic dominance in voluntary social dilemmas

    地址: http://arxiv.org/abs/2002.05106

    作者: Hao Guo, Zhao Song, Sunčana Geček, Xuelong Li, Marko Jusup, Matjaz Perc, Yamir Moreno, Stefano Boccaletti, Zhen Wang

    摘要: 合作是现代人类社会的骨干,使其成为一个优先事项,了解合作维持机制如何成功运作。环状的统治地位,包括至少三个策略,其中,所述第一策略否决其否决第三,这反过来,否决第一个策略的第二一个非传递的设置,是已知的,以保持生物多样性,细菌菌株之间驱动的竞争,和保存在社会困境的合作。在这里,我们通过向合作者,背叛者和独来独往的传统组合,第四的球员类型,规避风险的套期保值者,目前在自愿的社会困境循环主导权新途径谁颁布针锋相对达在支付对冲成本为了避免被人利用。当这个成本足够小,合作者,背叛者,而套期保值者进入循环主导地位的一个循环,即使在最恶劣的条件蜜饯合作。相反,当对冲成本大,套期保值者消失,从而恢复到合作者,背叛者和独来独往的传统的相互作用。在对冲成本,复杂的演化动力学随之而来,两个,三个或四个竞争战略状态之间的转换提示的临时区域。因此,我们的结果表明,自愿参与,但通过循环支配地位一个途径持久的合作。

    声明:Arxiv文章摘要版权归论文原作者所有,由本人进行翻译整理,未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”和个人博客进行同步更新。

    arxiv和正式论文内容一样么,Arxiv网络科学论文摘要8篇(1)

    ,