Arxiv網路科學論文摘要6篇(2018-07-31)

08-13

來自專欄網路科學研究速遞1 人贊了文章

具有非單調發病率、基於網路的SIRS流行病模型的全局穩定性;
大量個體自激發信息擴散過程的漸近行為;
手機天線分布的點過程模型;
重建颶風艾瑪（2017年）期間佛羅里達的交通流量;
難追蹤衝突的社會物理學：三組動力學;
馬爾可夫模型捕捉人類移動臨界性的能力缺失;

具有非單調發病率、基於網路的SIRS流行病模型的全局穩定性

原文標題： Global stability of a network-based SIRS epidemic model with nonmonotone incidence rate

地址： http://arxiv.org/abs/1803.03755

作者： Lijun Liu, Xiaodan Wei, Naimin Zhang

摘要：本文研究了具有疫苗接種和非單調發病率的基於網路的SIRS流行病模型的動態。當異構網路上的感染個體數量越來越多時，這種非線性發生率可用於描述易感個體行為變化的心理或抑制效應。使用分析方法，獲得流行閾值R_0R0?。當R_0R0?小於1時，我們證明無病平衡是全局漸近穩定的並且疾病消失，而R_0R0?大於1，存在獨特的地方病平衡。通過構造一個合適的Lyapunov函數，我們還證明了如果抑制因子 alpha alpha足夠大，地方性均衡是全局漸近穩定的。還給出了數值實驗以支持理論結果。從理論上和數字上看，較大的 alpha alpha可以加速疾病的滅絕並降低疾病的程度。

大量個體自激發信息擴散過程的漸近行為

原文標題： The asymptotic behaviors of self excitation information diffusion processes for a large number of individuals

地址： http://arxiv.org/abs/1807.03783

作者： Lifu Wang, Bo Shen

摘要：意見動態是一個複雜而有趣的過程，特別是對於擁有大量個人的系統。通常很難描述這些系統的演化特徵。在本文中，我們研究了大量個體的自激意見模型。我們提出了一個Mckean-Vlasov型積分微分方程來分析分析多個體系統，並證明該模型具有表示大量個體系統的尺度限制行為的能力，其中相互作用是一個多元自激過程。指數函數權重。我們證明了模型與方程中初始分布之間的耦合能夠捕捉到自激過程的影響，從而描述了個體的相互激勵和反覆發生的特性。最後，我們證明穩態分布是線性相互作用情況下初始分布的「收縮」。

手機天線分布的點過程模型

原文標題： Point Process Models for Distribution of Cell Phone Antennas

地址： http://arxiv.org/abs/1807.10975

作者： Ezequiel Fattori, Pablo Groisman, Carlos Sarraute

摘要：我們介紹了城市環境中手機天線空間分布的模型。在證明完全空間隨機性（齊次泊松分布）假設不成立之後，我們提出了一個模型，其中每個點根據雙變數高斯變數分布，其中均值由Delaunay三角剖分中其鄰居的重心給出。我們證明該模型是合適的，並且可以用於生成合成的天線分布。生成的分布不包含敏感信息或專有信息，因此可以與研究組自由共享，促進對該主題的進一步研究。

重建颶風艾瑪（2017年）期間佛羅里達的交通流量

原文標題： A reconstruction of Florida Traffic Flow During Hurricane Irma (2017)

地址： http://arxiv.org/abs/1807.11177

作者： Kairui Feng, Ning Lin

摘要：最近的颶風艾瑪（2017年）創造了佛羅里達州歷史上最廣泛的撤離規模，涉及約650萬人的強制撤離令和400萬撤離車輛。為了解颶風疏散過程，交通流的空間和時間演變是一個重要的信息，但通常沒有完全觀察到。基於博弈論，本文採用了在Irma期間在主要高速公路（20個攝像機，包括1號，27號和I-75,95,4,10部分）的可用交通觀測來重建Irma期間佛羅里達州的交通流量。該模型通過自我報告的twitters進行驗證。交通改造估計了交通需求（總共約400萬輛汽車）以及疏散期間擁堵的時間和空間分布。結果與新聞報道和Twitter記錄的可用信息相比較。重建數據可用於分析颶風疏散決策和旅行行為。

難追蹤衝突的社會物理學：三組動力學

原文標題： Sociophysics of Intractable Conflicts: Three-Group Dynamics

地址： http://arxiv.org/abs/1807.11259

作者： Miron Kaufman, Hung Diep, Sanda Kaufman, Monte Carlo

摘要：我們將兩組衝突動態的社會物理模型擴展到三組。提出了具有吸引子和混沌的模型作為探索和管理棘手衝突的工具。它可用於生成軌跡和結果的場景。我們使用平均場理論進行遠程相互作用來研究三種grousp平均態度的時間依賴性。我們發現，在某些中間溫度下，群體意味著態度會隨著時間的推移而振蕩。獨立於初始條件，軌跡在平均態度的三維空間中超時地聚集到吸引子。我們使用蒙特卡羅模擬來探索短程群體相互作用，並發現在高溫下態度的混亂不可預測的時間變化。為了便於說明，我們將該模型應用于波士尼亞赫塞哥維納衝突。

馬爾可夫模型捕捉人類移動臨界性的能力缺失

原文標題： On the Inability of Markov Models to Capture Criticality in Human Mobility

地址： http://arxiv.org/abs/1807.11386

作者： Vaibhav Kulkarni, Abhijit Mahalunkar, Benoit Garbinato, John D. Kelleher

摘要：我們通過揭示馬爾可夫模型無法捕捉人類流動性的關鍵性來檢驗人類流動的非馬爾可夫性質。特別地，基於時間相關的熵，使用假定的馬爾可夫遷移性質來建立人類遷移性的可預測性的理論上界（表示為最小誤差概率極限）。自成立以來，這種界限已經被廣泛使用並且使用馬爾可夫鏈進行了經驗驗證。我們表明，循環神經架構可以實現更高的可預測性，超過這個廣泛使用的上限。為了解釋這種異常，我們揭示了先前研究工作中導致這種偏見的幾個基本假設。通過評估真實世界數據集的移動性可預測性，我們表明人類移動性表現出尺度不變的長程相關性，與冪律衰減具有相似性。這與人類移動性遵循指數衰減的初始假設形成對比。在計算Fano不等式時，這種指數衰減與Lempel-Ziv壓縮相結合的假設導致了對可預測性上限的不準確估計。我們證明了這種方法使熵膨脹，從而降低了人類移動可預測性的上限。我們最後強調，這種方法往往會忽視人類流動性的長期相關性。這解釋了為什麼設計用於處理遠程結構相關性的遞歸神經架構超過了先前計算的移動性可預測性上限。

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。