学习
实践
活动
专区
工具
TVP
写文章

Arxiv网络科学论文摘要8篇

使用最小个体误差函数去除算法歧视;

大型自行车共享网络中动态自行车再平衡的综合框架;

在贝叶斯事实发现中使用社会网络信息;

加速行人和粒状瓶颈堵塞流的反直觉方式:“更多”能够更快地逃生吗?;

破坏随机网络中k核的最小集;

扩散图和图上信号处理的统一视角;

神经图像研究的景观;

图上随机最优运输:框架和新距离度量;

使用最小个体误差函数去除算法歧视

原文标题: Removing Algorithmic Discrimination (With Minimal Individual Error)

地址: http://arxiv.org/abs/1806.02510

作者: El Mahdi El Mhamdi, Rachid Guerraoui, Lê Nguyên Hoang, Alexandre Maurer

摘要: 我们解决了在分数函数内纠正群体歧视的问题,同时最大限度地减少了个体错误。每个组由配置文件集中的概率密度函数描述。我们首先在两个人口的情况下分析解决问题,在每个人口占多数的区域使用统一的奖金 - 邮差。然后,我们讨论n个种群的一般情况,其中种群的纠缠不允许类似的分析解决方案。我们表明,用线性规划可以计算具有任意高精度水平的近似解。最后,我们解决了错误不应该超出某个值的逆向问题,并且我们试图最小化歧视。

大型自行车共享网络中动态自行车再平衡的综合框架

原文标题: A Comprehensive Framework for Dynamic Bike Rebalancing in a Large Bike Sharing Network

地址: http://arxiv.org/abs/1806.02890

作者: Lei Lin

摘要: 自行车共享是现代多式联运系统的重要组成部分。然而,由于时空要求的波动,其实施会导致自行车供需失衡。这项研究提出了一个全面的框架,在大型自行车共享网络中开发最佳动态自行车再平衡策略。它由三个组成部分组成,包括台站级的上升/下降预测模型,台站聚类模型和容量化的位置路由优化模型。对于第一个组件,我们提出了一个强大的深度学习模型,称为图卷积神经网络模型(GCNN)和数据驱动图过滤器(DDGF),它可以自动学习站间隐藏的时空相关性,以提供更准确的预测;对于第二个组成部分,我们应用标记为社区检测算法的图聚类算法来聚类相互之间地理位置相近且净需求差距较小的站点;最后,求解一个容量化的位置路由问题(CLRP)来处理两种决策变量的组合:自行车配送中心的位置和每个集群的配送路线的设计。

在贝叶斯事实发现中使用社会网络信息

原文标题: Using Social Network Information in Bayesian Truth Discovery

地址: http://arxiv.org/abs/1806.02954

作者: Jielong Yang, Junshan Wang, Wee Peng Tay

摘要: 我们根据多位代理人的意见调查真相发现问题,这些代理人可能不可靠或有偏见。我们考虑如果代理人的可靠性或偏倚属于同一个社区,那么这个社区定义了一组代理人,这些代理人对某个特定事件的意见相似。一个代理可以属于不同的社区用于不同的事件,并且这些社区是未知的\ emph 。我们将代理人的社会网络知识纳入我们的真实发现框架,并开发拉普拉斯变分推理方法来估计代理人的可靠性,社区和事件状态。我们还开发了一种随机变分推理方法来将我们的模型扩展到大型社会网络。对实际数据的仿真和实验表明,当观察值很稀疏时,我们提出的方法比其他几种推理方法表现得更好,包括大多数投票,流行的贝叶斯分类器组合(BCC)方法和社区BCC方法。

加速行人和粒状瓶颈堵塞流的反直觉方式:“更多”能够更快地逃生吗?

原文标题: A counterintuitive way to speed up pedestrian and granular bottleneck flows prone to clogging: Can 'more' escape faster?

地址: http://arxiv.org/abs/1806.03112

作者: Alexandre Nicolas (LPTMS), Santiago Ibáñez, Marcelo Kuperman, Sebastián Bouzat

摘要: 通过收缩的密集颗粒流以及有竞争力的行人疏散,都会因倾向于形成堵塞而受到阻碍。我们探索了一个加速这些流程的原始策略,其中包括在大会中包括联系厌恶的实体。基于最小元胞自动机和基于连续代理的行人疏散动力学模型,我们发现,在给定的竞争人群中包含有礼貌的行人不能减少收缩(门道)可接受的大的疏散时间。这并不奇怪,因为添加代理使人群变大。相比之下,当门很窄以至于一次只能容纳一个或两个代理商时,我们的策略成功地大幅度抑制了长寿命的木and,并加速疏散。在振动的二维漏斗流中实验性地观察到类似的效果,其开口窄于3个盘直径。实际上,通过在中性圆盘的最初集合中增加大部分磁性圆盘,相互作用的排斥性,我们观察到中性圆盘的连续出口之间的时间间隔缩短,如研究它们的概率分布所反映的那样。从更加定性的角度来看,我们的研究表明,人们讨论的行人流和粒状流之间的类比可以扩展到行人个体的行为特征。

破坏随机网络中k核的最小集

原文标题: On Minimal Sets to Destroy the

k

-Core in Random Networks

地址: http://arxiv.org/abs/1806.03134

作者: Christian Schmidt, Henry D. Pfister, Lenka Zdeborová

摘要: 我们研究了在网络中找到最小的一组节点的问题,这些节点的移除导致空的

k

-core;其中

k

-core是迭代去除度数小于

k

的所有节点后获得的子网络。这个问题在文献中也被称为寻找最小传染性组。我们工作的主要贡献是通过一组确定性微分方程对从配置模型获取的随机网络上最近推出的corehd算法[Scientific Reports,6,37954(2016)]的性能进行分析。我们的分析提供了最小传染性集合的大小上限,其比先前已知的界限有所改进。我们的第二个贡献是一种称为弱邻居算法的新启发式算法,该算法在所考虑的机制中胜过所有当前已知的局部方法。

扩散图和图上信号处理的统一视角

原文标题: A Unified View of Diffusion Maps and Signal Processing on Graphs

地址: http://arxiv.org/abs/1806.03174

作者: Ayelet Heimowitz, Yonina C. Eldar

摘要: 在本文中,我们探讨了扩散图与图上信号处理之间的关系。我们的目标是通过将图移位算子定义为图上定义的马尔可夫链的转换矩阵来为两种方法创建一个共同点。然后我们展示了这个定义的几个优点,以及由图上的信号处理中定义的操作所产生的扩散映射解释。例如,一个优点是能够在欧几里得域上处理图信号。另一个优点是能够使用Nystr“ m扩展在图上对信号进行计算有效的内插。另外,我们在图上给出信号的定义,并显示扩散嵌入向量和谱之间的关系这些信号。

神经图像研究的景观

原文标题: The landscape of NeuroImage-ing research

地址: http://arxiv.org/abs/1806.03211

作者: Jordan D. Dworkin, Russell T. Shinohara, Danielle S. Bassett

摘要: 随着神经影像学领域的发展,该领域的科学家很难获得并保持对其不断变化的景观的详细了解。虽然合作和引文网络突出了该领域的重要贡献,但特定研究领域之间的角色和关系仍然相当不透明。在这里,我们应用网络科学的技术来绘制过去十年期间NeuroImage期刊中记录的神经影像学研究的景观。我们创建了一个网络,其中节点代表研究主题,边给出了这些主题倾向于一起涵盖的程度。该网络显示小世界的体系结构,以共同的成像模式和医疗应用为特征的社区,以及整合这些不同子域的桥梁。使用节点级分析,我们量化了神经影像领域内单个主题的结构角色,并在结构MRI子领域内发现高水平的聚类,并增加与精神病相关的主题参与。一个话题的总体流行与其邻居的流行无关,但随着时间的推移,话题变得或多或少受欢迎的程度与其邻居流行的变化密切相关。广泛而言,这项工作提供了一个凝聚力模型,用于了解整个领域,广泛子领域以及特定领域内的神经影像学研究领域。

图上随机最优运输:框架和新距离度量

原文标题: Randomized Optimal Transport on a Graph: Framework and New Distance Measures

地址: http://arxiv.org/abs/1806.03232

作者: Guillaume Guex, Ilkka Kivimäki, Marco Saerens

摘要: 最近开发的bag-of-paths框架包括在图的所有可行路径上设置Gibbs-Boltzmann分布。这种概率分布有利于较长路径上的短路径,其自由参数(温度

T>

)控制分布的熵水平。这种形式主义能够计算新的距离或不相似度,在最短路径和阻力距离之间进行插值,这在聚类和分类任务中表现出色。在这项工作中,通过添加两个独立的等式约束来修改路径袋的形式,从而修复路径的开始和结束节点分布。当温度较低时,这种形式主义被证明相当于放松网络中的最优运输问题,其中路径在节点上的两个离散分布之间流动。随机化是通过考虑自由能量最小化而不是传统的成本最小化来实现的。计算最优自由能解的算法是针对两种类型的路径开发的:击中(或吸收)路径和非击打正规路径,并且需要反转

ntimesn

矩阵,其中

n

是节点。有趣的是,对于常规路径,由此产生的最优策略在确定性最优传输策略(

Trightarrow

+

)和相应电路(

Trightarrowinfty

)的解决方案之间进行插值。节点之间的两种距离度量以及节点组之间的不相似度,两者都在节点上集成权重,都是从这个框架导出的。

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”(微信号netsci)和个人博客 https://www.complexly.me (提供RSS订阅)进行同步更新。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180611G0BA4800?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

关注

腾讯云开发者公众号
10元无门槛代金券
洞察腾讯核心技术
剖析业界实践案例
腾讯云开发者公众号二维码

扫码关注腾讯云开发者

领取腾讯云代金券