首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Arxiv网络科学论文摘要6篇

使用扩散接口方法对符号网络进行节点分类;

多层网络的快速嵌入:算法和分组fMRI应用;

论在线社会网络中的错误信息遏制;

捆绑渗流如何在染色网络中发生?;

利用序列种子探索信息传播的极限;

集体行人动力学实验研究;

使用扩散接口方法对符号网络进行节点分类

原文标题: Node classification for signed networks using diffuse interface methods

地址: http://arxiv.org/abs/1809.06432

作者: Jessica Bosch, Pedro Mercado, Martin Stoll

摘要: 在建立朋友和敌人关系时,符号网络是一个至关重要的工具。与经典的无向加权图相比,有符号图的边权重是正的和负的。关键网络属性通常来自相关图拉普拉斯算子的研究。我们在这里研究几个不同的符号网络拉普拉斯算子,重点是分类图的节点的任务。我们在此扩展最近引入的基于在带符号网络上定义的偏微分方程的技术,即Allen-Cahn方程,以将节点分类为两个或更多个类。我们在几个真实网络上说明了这种方法的性能。

多层网络的快速嵌入:算法和分组fMRI应用

原文标题: Fast embedding of multilayer networks: An algorithm and application to group fMRI

地址: http://arxiv.org/abs/1809.06437

作者: James D. Wilson, Melanie Baybay, Rishi Sankar, Paul Stillman

摘要: 学习复杂多层网络的可解释特征是一个具有挑战性和重要性的问题。这种表示的需要在大脑的多层网络中特别明显,其中节点特征可以帮助根据个体,认知任务或疾病来模拟和区分大脑区域。受此问题的影响,我们引入了multi-node2vec算法,这是一种高效且可扩展的特征工程方法,可自动学习多层网络中的连续节点特征表示。 Multi-node2vec依赖于二阶随机游走采样过程,该过程有效地探索观察到的多层网络的内层和内层关系,以识别多层邻域。通过在采样邻域集合上使用Skip-gram神经网络模型来识别节点特征的最大似然估计。我们研究了multi-node2vec是闭合矩阵分解问题近似的条件。我们通过一组74名健康个体的静息状态fMRI扫描证明了多节点2vec对多层功能性脑网络的功效。我们发现多节点2在复杂网络上优于现代方法,并且多节点2可以识别与大脑功能组织密切相关的节点特征。

论在线社会网络中的错误信息遏制

原文标题: On Misinformation Containment in Online Social Networks

地址: http://arxiv.org/abs/1809.06486

作者: Guangmo Tong, Weili Wu, Ding-Zhu Du

摘要: 广泛的在线错误信息可能导致公众恐慌和严重的经济损失。错误信息遏制问题旨在通过发起竞争活动来限制在线社会网络中错误信息的传播。在现实场景的推动下,当允许任意数量的级联时,我们首先分析了错误信息包含问题。本文作出了四点贡献。首先,我们提供了一个多级级扩散的形式模型,并引入了一个称为级联优先级的重要概念。其次,我们证明了错误信息包含问题不能在 \ Omega(2 ^ {\ log ^ n ^ 4})的多项式时间内近似,除非 NP \ subseteq DTIME(n ^ {\ polylog })。第三,我们介绍了在真实社会网络中经常出现的几种类型的级联优先级。最后,我们设计了新的算法来解决错误信息包含问题。鼓励实验结果支持所提算法的有效性。

捆绑渗流如何在染色网络中发生?

原文标题: How does bond percolation happen in coloured networks?

地址: http://arxiv.org/abs/1809.06575

作者: Ivan Kryven

摘要: 复杂网络中的渗透被视为:模拟网络退化的过程和揭示底层网络结构特性的工具。在渗透过程中,网络经历非平凡的变换,包括连通性的相变,并且在一些特殊情况下,包括多个相变。在这里,我们建立了一个通用的分析理论,描述了网络中所有连通组件的结构和大小如何受到简单和颜色相关的粘合渗流的影响。该理论预测了发生相变的所有位置,在热力学极限下不会消失的宽临界窗的存在,以及在小的连通分量中发生的颜色切换的特殊现象。这些结果可用于设计具有所需特性的类似渗透的过程,优化网络对渗透的响应,并检测提供网络崩溃早期警告的微妙信号。

利用序列种子探索信息传播的极限

原文标题: Probing Limits of Information Spread with Sequential Seeding

地址: http://arxiv.org/abs/1809.06656

作者: Jaroslaw Jankowski, Boleslaw K. Szymanski, Przemyslaw Kazienko, Radoslaw Michalski, Piotr Brodka

摘要: 我们在这里考虑信息传播,它以一定的概率从刚刚激活的节点传播到它们尚未激活的邻居。甚至可以通过激活一小组节点来触发扩散级联。这种激活通常在单个阶段中进行。这里分析了一种基于连续播种的新方法,从而产生了三个基本贡献。首先,我们提出了随机选择的协调执行,以便能够精确地比较不同的算法。我们在这里应用它,当每个传播阶段的新激活的节点试图激活它们的邻居时。然后,我们提供了一个正式的证据,即连续播种至少提供与单阶段播种相同的覆盖范围。此外,我们还表明,在适度的假设下,顺序播种实现的覆盖率可以比使用相同数量的种子和节点排名的基于单阶段的方法更好。最后,我们提出实验结果,显示有向和无向图上的单阶段和顺序方法如何与众所周知的贪婪方法进行比较,以提供连续播种效益的客观测量。令人惊讶的是,将顺序播种应用于简单的基于程度的选择导致比目前被认为是最佳启发式的计算上昂贵的贪婪方法所实现的更高的覆盖范围。

集体行人动力学实验研究

原文标题: Experimental Study of Collective Pedestrian Dynamics

地址: http://arxiv.org/abs/1809.06817

作者: Cécile Appert-Rolland, Julien Pettré, Anne-Hélène Olivier, William Warren, Aymeric Duigou-Majumdar, Etienne Pinsard, Alexandre Nicolas

摘要: 我们报告了两个系列的实验,这两个实验是在两个不同合作的框架内进行的,旨在研究行人如何在群体或人群中调整其轨迹和速度。重点放在所选方案和实验实施的动机上。第一个系列涉及模式形成,行人之间的相互作用,以及中低密度行人群体的决策。特别是,我们展示了行人如何根据(规定的)领导者的速度调整他们在单文件运动中的车头时距。第二系列实验侧重于高密度的静态人群,这种情况在现实生活中是至关重要的,并且行人对运动的选择受到空间的强烈约束。更确切地说,我们研究了人群对行人或直径74厘米的圆柱形障碍物穿越的反应。在后一种情况下,对于中等密度的人群,我们观察到在距离障碍物的最小距离处快速衰减的位移,超过了仪表的数量级。

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/20180919G0FPFN00?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。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券