標籤：

Arxiv網路科學論文摘要8篇(2018-04-19)

04-28
  • 小型脆弱集合決定了電網中的大型網路級聯;
  • 湧現的科研綜合網路結構;
  • 熱力學極限的合作行為觸發：公共產品博弈案例研究;
  • 通過添加邊來改善複雜網路中節點的信息中心性;
  • 在群體中自由移動或陷入困境：擁擠群體中信息超載和協調的數學建模;
  • 分離或消亡 - 協同演化投票模型;
  • 多層網路中使用無參數圖修剪的共識社區檢測;
  • NHAD：基於神經模糊的在線社會網路橫向異常檢測;

小型脆弱集合決定了電網中的大型網路級聯

原文標題： Small vulnerable sets determine large network cascades in power grids

地址： arxiv.org/abs/1804.0643

作者： Yang Yang, Takashi Nishikawa, Adilson E. Motter

摘要： 由於缺乏能夠解釋可變系統條件的實際大規模建模和分析，阻礙了對複雜系統中級聯故障的理解。在這裡，使用北美電網，我們識別，量化和分析在多種情況下容易發生級聯故障的網路組件。我們表明，脆弱集由網路中的一個小但拓撲中心部分組成，並且大型級聯不成比例地更可能由接近該集合的初始故障觸發。這些結果闡明了與網格設計和操作相關的級聯故障的起源和原因，並展示了適用於更廣泛級聯級聯網路的漏洞分析方法。

湧現的科研綜合網路結構

原文標題： The emergent integrated network structure of scientific research

地址： arxiv.org/abs/1804.0643

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

摘要： 科學研究的實踐往往被認為是追求紀律進步的個人和小團隊。然而總的來說，這一努力更類似於一個複雜的自然計算系統，在這個系統中，信息的獲取，生成和傳播比單獨行動的個人更有效。目前，這種科學思想綜合創新格局的結構尚未得到很好的理解。在這裡，我們使用網路科學工具來繪製自2000年以來多學科期刊PNAS所涵蓋的相互關聯的研究主題的景觀。我們構建網路，其中節點代表研究主題並且邊給出在相同論文中哪些主題發生的程度。該網路顯示小世界架構，在科學群集內具有密集的連接性，並且群集之間的連接稀疏。值得注意的是，集群往往不與指定的文章分類對齊，而是包含各個學科的主題。使用含時圖，我們發現小世界隨著時間的推移而增加，這表明提高了效率和思想的整合。最後，我們定義了一種新的跨學科衡量標準，這與PNAS的影響因子正相關。廣義而言，這項工作表明，複雜和動態的知識模式來自科學研究，反映智力整合的結構可能有利於獲得科學洞察力。

熱力學極限的合作行為觸發：公共產品博弈案例研究

原文標題： Triggers for cooperative behavior in the thermodynamic limit: a case study in Public goods game

地址： arxiv.org/abs/1804.0646

作者： Shubhayan Sarkar, Colin Benjamin

摘要： 在這項工作中，我們的目標是回答這個問題 - 是什麼觸發了熱力學極限的合作行為，通過追求公共產品博弈。使用將Ising模型Hamiltonian映射到博弈論中的收益的想法，我們計算了熱力學極限下博弈的磁化。我們看到兩名球員公共產品比賽的熱力學極限發生了相變。我們觀察到懲罰是兩個玩家公共產品博弈引發合作的外部場所，而成本可能成為叛逃或壓制合作的觸發器。最後，獎勵也可以作為合作的觸發器，而反溫（選擇波動）的作用仍然不明確。

通過添加邊來改善複雜網路中節點的信息中心性

原文標題： Improving information centrality of a node in complex networks by adding edges

地址： arxiv.org/abs/1804.0654

作者： Liren Shan, Yuhao Yi, Zhongzhi Zhang

摘要： 增加網路節點的中心性的問題出現在許多實際應用中。在本文中，我們研究了通過創建事件到v的k新邊，使具有n節點和m邊的網路中給定節點v的信息中心性Iv最大化的優化問題。由於Iv是v到所有節點之間的阻抗距離 mathcalRv之和的倒數，我們可以考慮通過增加k new來最小化 mathcalRv的問題邊連接到v。我們證明了目標函數是單調和超模的。我們提供了一個簡單的貪婪演算法，其逼近係數為$ left（1 frac {1} {e} right）$和$ O（n ^ 3）$運行時間。為了加速計算，我們還提出了一種演算法，用於計算$ left（1 frac {1} {e} - epsilon right）$ - 近似抵抗距離 mathcalRv迭代地添加k邊，其運行時間為$ widetilde {O}（mk epsilon ^ { - 2}）$任何 epsilon>0，其中$ widetilde {O}（ cdot）$表示法抑制$ { rm poly}（ log n）$因素。我們通過實驗證明了我們提出的演算法的有效性和有效性。

在群體中自由移動或陷入困境：擁擠群體中信息超載和協調的數學建模

原文標題： Free to move or trapped in your group: Mathematical modeling of information overload and coordination in crowded populations

地址： arxiv.org/abs/1804.0658

作者： A. Ciallella, E.N.M. Cirillo, P.L. Curseu, A. Muntean

摘要： 我們提出的建模策略描述了行人組在隱蔽空間中的運動和相互作用。我們首先介紹基於度量方法的平衡方程，然後利用概率元胞自動機模型的描述能力。基於平方格上簡單對稱隨機遊走的變化，我們測試了人口規模和人際吸引參數之間的相互作用，用於疏散受限和黑暗的空間。我們認為，信息超載和協調成本與小組信息處理相關是影響疏散率的兩個關鍵過程。我們的研究結果表明，需要大量的計算資源來補償不完整的信息 - （信息處理）群體中個體越多，低人口規模的出境率就越高。對於簡單的社會系統而言，單個表示並不是多餘的，並且大量的組大小可以確保這些非冗餘信息實際上可供大量個人使用。對於複雜的社會系統而言，信息冗餘使得信息評估和轉換效率低下，因此組規模成為缺點而不是收益。考慮到內部障礙物的存在，使用蒙特卡羅框架仔細研究了群組大小對出射通量，疏散時間和牆壁效應的影響。

分離或消亡 - 協同演化投票模型

原文標題： Separate or perish - the coevolving voter model

地址： arxiv.org/abs/1804.0665

作者： K. Kulakowski, M. Stojkow, D. Zuchowska-Skiba, P. Gawronski

摘要： 近來對協同選舉模型（J.Toruniewska等，PRE96（2017）042306）的概括在此進一步概括，包括重連的自旋相關概率。平均場結果表明，系統分裂成兩個不同自旋的獨立網路，或者一個自旋有向消失。在這兩種情況下，活動鏈接的密度都等於零。結果在社交聯繫中以同質方式進行討論。

多層網路中使用無參數圖修剪的共識社區檢測

原文標題： Consensus Community Detection in Multilayer Networks using Parameter-free Graph Pruning

地址： arxiv.org/abs/1804.0665

作者： Domenico Mandaglio, Alessia Amelio, Andrea Tagarelli

摘要： 聚類集成範式已經成為多層網路中社區檢測的有效工具，它允許產生一致的解決方案，這些解決方案被設計為對演算法選擇和配置偏倚更加穩健。然而，一個限制與控制社區結構解決方案中共識程度的共同關聯閾值的依賴性有關。這項工作的目標是克服這種局限性，採用基於集成的多層社區檢測的新框架，該框架基於能夠濾除雜訊共聯合的圖修剪的生成模型的無共識社區的無參數識別。我們還提供了模塊化驅動的基於集合的多層社區檢測方法的增強版本，其中重新考慮節點的社區成員以優化共識解決方案的多層模塊化。現實世界網路上的實驗證據證實了使用基於模型的過濾方法的有益效果，並且還表明了所提出的方法在最先進的多層社區檢測中的優越性。

NHAD：基於神經模糊的在線社會網路橫向異常檢測

原文標題： NHAD: Neuro-Fuzzy Based Horizontal Anomaly Detection In Online Social Networks

地址： arxiv.org/abs/1804.0673

作者： Vishal Sharma, Ravinder Kumar, Wen-Huang Cheng, Mohammed Atiquzzaman, Kathiravan Srinivasan, Albert Y. Zomaya

摘要： 社會網路的使用是當今生活的基本功能。隨著越來越多的在線社交媒體的出現，可用信息及其利用受到了幾個異常的威脅。異常是網路欺詐的主要原因，它允許未經授權的用戶訪問信息以及偽造信息。作為無聲攻擊者的異常之一是水平異常。這些是由於他/她對不同來源的變化行為而導致的用戶異常情況。水平異常難以檢測，並且對於任何網路都是危險的。在本文中，自修復神經模糊方法（NHAD）用於高效準確地檢測，恢復和消除水平異常。所提出的方法在五個範例上運作，即缺失鏈接，聲譽獲得，顯著差異，信任屬性和信任評分。所提出的方法用三個數據集進行評估：DARPA98基準數據集，合成數據集和實時流量。結果表明，擬合的NHAD模型對合成數據集中10％至30％異常的準確性介於98.08％至99.88％之間。對DARPA98數據集的評估表明，所提出的方法比現有解決方案更好，因為它為異常類提供了99.97 的檢測率。對於實時流量，建議的NHAD模型的平均準確率為99.42％，檢測率為99.90％。

聲明：Arxiv文章摘要版權歸論文原作者所有，由本人進行翻譯整理，未經同意請勿隨意轉載。本系列在微信公眾號「網路科學研究速遞」（微信號netsci）和個人博客 https://www.complexly.me （提供RSS訂閱）進行同步更新。

推薦閱讀：

※最牛答題小程序：答對1000答題就是超級牛人！敢應戰否？
※手機先吃？
※Arxiv網路科學論文摘要12篇(2018-03-06)
※我們鑲嵌在巨大的社會網路上
※有人噴我？那是好事啊！

TAG:複雜系統 | 複雜網路 | 社交網路 |