Arxiv網(wǎng)絡科學論文摘要6篇(2018-09-19)

使用擴散接口方法對符號網(wǎng)絡進行節(jié)點分類；

多層網(wǎng)絡的快速嵌入：算法和分組fMRI應用;

論在線社會網(wǎng)絡中的錯誤信息遏制;

捆綁滲流如何在染色網(wǎng)絡中發(fā)生？;

利用序列種子探索信息傳播的極限;

集體行人動力學實驗研究;

使用擴散接口方法對符號網(wǎng)絡進行節(jié)點分類

原文標題： 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： 在建立朋友和敵人關系時，符號網(wǎng)絡是一個至關重要的工具。與經(jīng)典的無向加權圖相比，有符號圖的邊權重是正的和負的。關鍵網(wǎng)絡屬性通常來自相關圖拉普拉斯算子的研究。我們在這里研究幾個不同的符號網(wǎng)絡拉普拉斯算子，重點是分類圖的節(jié)點的任務。我們在此擴展最近引入的基于在帶符號網(wǎng)絡上定義的偏微分方程的技術，即Allen-Cahn方程，以將節(jié)點分類為兩個或更多個類。我們在幾個真實網(wǎng)絡上說明了這種方法的性能。

多層網(wǎng)絡的快速嵌入：算法和分組fMRI應用

原文標題： 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： 學習復雜多層網(wǎng)絡的可解釋特征是一個具有挑戰(zhàn)性和重要性的問題。這種表示的需要在大腦的多層網(wǎng)絡中特別明顯，其中節(jié)點特征可以幫助根據(jù)個體，認知任務或疾病來模擬和區(qū)分大腦區(qū)域。受此問題的影響，我們引入了multi-node2vec算法，這是一種高效且可擴展的特征工程方法，可自動學習多層網(wǎng)絡中的連續(xù)節(jié)點特征表示。 Multi-node2vec依賴于二階隨機游走采樣過程，該過程有效地探索觀察到的多層網(wǎng)絡的內(nèi)層和內(nèi)層關系，以識別多層鄰域。通過在采樣鄰域集合上使用Skip-gram神經(jīng)網(wǎng)絡模型來識別節(jié)點特征的最大似然估計。我們研究了multi-node2vec是閉合矩陣分解問題近似的條件。我們通過一組74名健康個體的靜息狀態(tài)fMRI掃描證明了多節(jié)點2vec對多層功能性腦網(wǎng)絡的功效。我們發(fā)現(xiàn)多節(jié)點2在復雜網(wǎng)絡上優(yōu)于現(xiàn)代方法，并且多節(jié)點2可以識別與大腦功能組織密切相關的節(jié)點特征。

論在線社會網(wǎng)絡中的錯誤信息遏制

原文標題： 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： 廣泛的在線錯誤信息可能導致公眾恐慌和嚴重的經(jīng)濟損失。錯誤信息遏制問題旨在通過發(fā)起競爭活動來限制在線社會網(wǎng)絡中錯誤信息的傳播。在現(xiàn)實場景的推動下，當允許任意數(shù)量的級聯(lián)時，我們首先分析了錯誤信息包含問題。本文作出了四點貢獻。首先，我們提供了一個多級級擴散的形式模型，并引入了一個稱為級聯(lián)優(yōu)先級的重要概念。其次，我們證明了錯誤信息包含問題不能在 \ Omega（2 ^ {\ log ^ {1- \ epsilon} n ^ 4}）的多項式時間內(nèi)近似，除非 NP \ subseteq DTIME（n ^ {\ polylog {N}}）。第三，我們介紹了在真實社會網(wǎng)絡中經(jīng)常出現(xiàn)的幾種類型的級聯(lián)優(yōu)先級。最后，我們設計了新的算法來解決錯誤信息包含問題。鼓勵實驗結果支持所提算法的有效性。

捆綁滲流如何在染色網(wǎng)絡中發(fā)生？

原文標題： How does bond percolation happen in coloured networks?

地址： http://arxiv.org/abs/1809.06575

作者： Ivan Kryven

摘要： 復雜網(wǎng)絡中的滲透被視為：模擬網(wǎng)絡退化的過程和揭示底層網(wǎng)絡結構特性的工具。在滲透過程中，網(wǎng)絡經(jīng)歷非平凡的變換，包括連通性的相變，并且在一些特殊情況下，包括多個相變。在這里，我們建立了一個通用的分析理論，描述了網(wǎng)絡中所有連通組件的結構和大小如何受到簡單和顏色相關的粘合滲流的影響。該理論預測了發(fā)生相變的所有位置，在熱力學極限下不會消失的寬臨界窗的存在，以及在小的連通分量中發(fā)生的顏色切換的特殊現(xiàn)象。這些結果可用于設計具有所需特性的類似滲透的過程，優(yōu)化網(wǎng)絡對滲透的響應，并檢測提供網(wǎng)絡崩潰早期警告的微妙信號。

利用序列種子探索信息傳播的極限

原文標題： 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： 我們在這里考慮信息傳播，它以一定的概率從剛剛激活的節(jié)點傳播到它們尚未激活的鄰居。甚至可以通過激活一小組節(jié)點來觸發(fā)擴散級聯(lián)。這種激活通常在單個階段中進行。這里分析了一種基于連續(xù)播種的新方法，從而產(chǎn)生了三個基本貢獻。首先，我們提出了隨機選擇的協(xié)調(diào)執(zhí)行，以便能夠精確地比較不同的算法。我們在這里應用它，當每個傳播階段的新激活的節(jié)點試圖激活它們的鄰居時。然后，我們提供了一個正式的證據(jù)，即連續(xù)播種至少提供與單階段播種相同的覆蓋范圍。此外，我們還表明，在適度的假設下，順序播種實現(xiàn)的覆蓋率可以比使用相同數(shù)量的種子和節(jié)點排名的基于單階段的方法更好。最后，我們提出實驗結果，顯示有向和無向圖上的單階段和順序方法如何與眾所周知的貪婪方法進行比較，以提供連續(xù)播種效益的客觀測量。令人驚訝的是，將順序播種應用于簡單的基于程度的選擇導致比目前被認為是最佳啟發(fā)式的計算上昂貴的貪婪方法所實現(xiàn)的更高的覆蓋范圍。集體行人動力學實驗研究

原文標題： 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： 我們報告了兩個系列的實驗，這兩個實驗是在兩個不同合作的框架內(nèi)進行的，旨在研究行人如何在群體或人群中調(diào)整其軌跡和速度。重點放在所選方案和實驗實施的動機上。第一個系列涉及模式形成，行人之間的相互作用，以及中低密度行人群體的決策。特別是，我們展示了行人如何根據(jù)（規(guī)定的）領導者的速度調(diào)整他們在單文件運動中的車頭時距。第二系列實驗側(cè)重于高密度的靜態(tài)人群，這種情況在現(xiàn)實生活中是至關重要的，并且行人對運動的選擇受到空間的強烈約束。更確切地說，我們研究了人群對行人或直徑74厘米的圓柱形障礙物穿越的反應。在后一種情況下，對于中等密度的人群，我們觀察到在距離障礙物的最小距離處快速衰減的位移，超過了儀表的數(shù)量級。

本文來源：ComplexLY 網(wǎng)絡科學研究速遞，版權歸原作者所有。

寶寶起名