Arxiv网络科学论文摘要4篇(2017-11-06)

• 连续时间随机意见动力学的稳态研究;
• 基于规则模型的动态影响网络;
• 你的图来自哪个世界？;
• 突变如何改变网络合作的演化动态;

连续时间随机意见动力学的稳态研究

原文标题： On the Steady State of Continuous Time Stochastic Opinion Dynamics

地址： http://arxiv.org/abs/1711.00881

作者： Jae Oh Woo, François Baccelli, Sriram Vishwanath

摘要： 本文提出了一个加性噪声连续时间舆论动态的计算框架。我们推导出一个非局部偏微分方程来分配意见差异。我们使用梅林变换来解决这个方程的闭合形式的平稳解。这种方法既可以应用于交互图上的线性动力学，也可以应用于欧几里德空间中的有界置信动态。它导致几个新的定性结果适合持续时间有界的信心动态。据我们所知，有界置信模型平稳分布的闭式表达式是这类模型均衡的第一个定量结果。这里介绍的解决方案是最简单的情况。

基于规则模型的动态影响网络

原文标题： Dynamic Influence Networks for Rule-based Models

地址： http://arxiv.org/abs/1711.00967

作者： Angus G. Forbes, Andrew Burks, Kristine Lee, Xing Li, Pierre Boutillier, Jean Krivine, Walter Fontana

摘要： 我们引入动态影响网络（DIN），这是一种用于表示和分析蛋白质 - 蛋白质相互作用网络规则模型的新型可视化分析技术。基于规则的建模已经被证明有助于开发简明，易于理解，易于扩展的生物模型，并且减轻了多状态和多组分生物分子的组合复杂性。我们的技术随着时间的推移将这些规则的动态可视化。使用KaSim（一种用Kappa语言编写的基于规则的模型的开源随机模拟器）生成的数据，DINs提供了一个节点链接图，表示每个规则对其他规则的影响。也就是说，我们不是代表个别生物组件或类型，而是代表它们（作为节点）的规则以及这些规则（作为链接）的当前影响。使用我们的交互式DIN-Viz软件工具，研究人员能够查询这个动态网络，找到有关生物过程的有意义的模式，并找出复杂的基于规则的模型的显着方面。为了评估我们的方法的有效性，我们研究了昼夜节律模型的模拟，其说明了KaiC蛋白磷酸化循环的振荡行为。

你的图来自哪个世界？

原文标题： From which world is your graph?

地址： http://arxiv.org/abs/1711.00982

作者： Cheng Li, Felix Wong, Zhenming Liu, Varun Kanade

摘要： 从链接中发现统计结构是社会网络分析中的一个基本问题。选择一个错误指定的模型，或者等价地，一个不正确的推理算法将导致一个无效的分析，甚至错误地发现模式实际上是模型的假象。这项工作的重点是统一两个最广泛使用的链接形成模型：随机块模型（SBM）和小世界（或潜在空间）模型（SWM）。从核学习，谱图论和非线性降维的整合技术，我们开发了第一个统计可靠的多项式时间算法发现两个模型稀疏图的潜在模式。当网络来自SBM时，算法输出一个块结构。当来自SWM时，该算法输出每个节点的潜在位置的估计值。

突变如何改变网络合作的演化动态

原文标题： How mutation alters the evolutionary dynamics of cooperation on networks

地址： http://arxiv.org/abs/1711.01170

作者： Genki Ichinose, Yoshiki Satotani, Hiroki Sayama

摘要： 合作在生物体的各个层面无处不在。据了解，空间（网络）结构是合作发展的可行机制。直到最近，还很难预测合作是否可以在网络（人口）层面发展。为了解决这个问题，以前的研究提出了一个数值度量，称为平均选择梯度（AGoS）。 AGoS可以描述和预测人口水平的合作演化的命运。然而，在AGoS分析中没有考虑策略的随机突变。在这里，我们扩展AGoS，以便它可以分析突变可能发生的合作的演化到个人在网络上的策略。我们表明，我们的扩展AGoS正确地预测了与突变合作的最终状态。我们的分析表明，变异总是对合作的演化产生负面影响，而不管合作者的收益函数，合作者分数和网络结构如何。此外，我们发现无标度网络最容易发生突变，因此合作的动态从双稳态变为共存，经历了不完全的干扰分叉。

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。