- G2SAT：学习生成SAT公式;
- 自行车骑手团队的等级规模律、财务不平等和收益集中。诸如环法自行车赛的多级自行车比赛案例;
- 社会经济系统中的多个相互作用的动力学建模;
- 大型图群体中心性最大化;
- 弱图拓扑结构和社会学习之间的相互作用;
- 从非马尔可夫约简到马尔可夫动力学：有噪声的投票模型的老化的情况;
G2SAT：学习生成SAT公式
原文标题： G2SAT: Learning to Generate SAT Formulas
地址： http://arxiv.org/abs/1910.13445
作者： Jiaxuan You, Haoze Wu, Clark Barrett, Raghuram Ramanujan, Jure Leskovec
摘要： 布尔可满足性（SAT）问题是典型的NP完全问题，是计算机科学的基础，具有广泛的规划，验证和定理证明的应用。开发和评估实际的SAT求解器依赖于一组真实世界的标杆式的大量实证检验。然而，这样的现实世界的SAT公式的可用性是有限的。虽然这些指标公式可以合成产生的那些被扩充，这样做现有的方法是大量的手工制作而无法同时捕捉广泛的现实世界的表现特性的SAT实例。在这项工作中，我们提出G2SAT，先深生成框架，学会从给定的输入公式生成SAT公式。我们的主要观点是，SAT公式可以转化为我们建立一个使用专门的深生成神经网络的潜在二部图表示。我们表明，G2SAT可以产生SAT公式，如通过图指标和SAT求解器的行为测量酷似给出真实世界的SAT实例。此外，我们证明了我们的合成公式SAT可以用来改善现实世界的基准测试SAT求解器的性能，这开辟了SAT求解器的持续发展和他们的表现更深入的了解了新的机遇。
自行车骑手团队的等级规模律、财务不平等和收益集中。诸如环法自行车赛的多级自行车比赛案例
原文标题： Rank-size law, financial inequality indices and gain concentrations by cyclist teams. The case of a multiple stage bicycle race, like Tour de France
地址： http://arxiv.org/abs/1910.13803
作者： Marcel Ausloos
摘要： 本说明审查财政分配到最有名的多级专业（男）骑自行车赛事，环法自行车赛结束参赛队。秩大小法（RSL）被计算为球队的财政收益。的RSL被发现是双曲线具有令人惊讶的简单衰减指数（约等于-1）。然而，经济利益分布意外不服从的因素稀疏的帕累托原则。接下来，几个（8）不平等指数被认为是：熵中，赫希曼 - 赫芬达尔，泰尔，彼得拉 - 胡佛，基尼，罗森布鲁斯指数，变异系数和集中指数的计算概括多样性的措施。这些指数和它们的浓度方面的含义之间的连接被呈现为支持RSL发现。结果强调，技巧和团队战略和有效地促进了财政收益分布。但从理论和实践点，调查结果显示，一要调查其他“长多级比赛”和奖励制度。事实上，金钱奖规则耦合到舞台的困难可能影响和可能提高（或降低）组的比赛纯粹运动性方面。由于在同行评审过程的延迟，2019年结果进行检查。它们在附录中讨论;指数的（-1.2）的值指出了主要来自所谓的“王效应”始发;在RSL的尾部，而看起来像一个指数。
社会经济系统中的多个相互作用的动力学建模
原文标题： Kinetic modelling of multiple interactions in socio-economic systems
地址： http://arxiv.org/abs/1910.13843
作者： Giuseppe Toscani, Andrea Tosin, Mattia Zanella
摘要： 不像稀薄气体，其中气体分子之间的相互作用微观被描述为二进制碰撞的经典动力学理论，在一个多主体系统社会经济现象建模自然需要考虑，在各种情况下，个体之间的多重相互作用。在本文中，我们将收集和讨论有关经济和赌博活动的一些例子。尤其是，我们专注于多个相互作用的线性化战略，从而大大简化了此类系统的动力学描述，同时保持所有其基本汇总功能，包括均衡分布。
大型图群体中心性最大化
原文标题： Group Centrality Maximization for Large-scale Graphs
地址： http://arxiv.org/abs/1910.13874
作者： Eugenio Angriman, Alexander van der Grinten, Aleksandar Bojchevski, Daniel Zügner, Stephan Günnemann, Henning Meyerhenke
摘要： 顶点中心性措施的研究是网络分析的一个重要方面。当然，这种中心地位的措施已推广到顶点组;流行的措施，其结果表明，寻找最中心组的问题是 mathcal NP - 难。其结果是，最近推出了近似算法，最大限度组中心性。尽管几乎线性运行时间，近似算法组介和（在较小程度上）基团接近是在大型网络中相当缓慢，由于高恒定开销。这就是为什么我们介绍GED-城中心地位，一个新的子模块组中间值由卡茨中心地位的启发。在对比亲密和中介，则认为任何长度的阶层而不是最短路径，具有较短散步具有较高贡献。我们定义的算法是：（i）有效地逼近一组给定的GED步行评分及（ii）有效地逼近（被证明是 mathcal NP - 硬）找到一组最高GED-步行得分的问题。在几个真实世界的数据集实验表明，通过GED-WALK获得的分数提高普通图挖掘任务中的表现，如集体分类和图级分类。实证运行时间的评估表明，最大化GED步行（在近似）是两个数量级更快相比组中介逼近和组大小 当量100 快一到两个数量比组接近近似。对于数以千万计的边曲线，近似GED步行最大化通常需要不到一分钟。此外，我们的实验表明，最大化算法与输入图的大小和组的大小线性扩展。
弱图拓扑结构和社会学习之间的相互作用
原文标题： Interplay between Topology and Social Learning over Weak Graphs
地址： http://arxiv.org/abs/1910.13905
作者： Vincenzo Matta, Virginia Bordignon, Augusto Santos, Ali H. Sayed
摘要： 我们认为，一个社会的学习问题，其中主体网络有兴趣选择其中一个有限数量的假设之一。我们专注于其中，所述网络被分成发送部分和接收部分弱连通图。由主体收集的数据可能是异类。例如，某些子网络可能有意以影响其他主体生成假的假设数据。社会学习的任务是通过扩散的策略，每个主体来完成：1）单独更新使用其私有数据的信念; II）计算乘幂邻国的日志信仰的线性组合一个新的信念。首先，我们考察什么药学过弱图（社会学习的问题）。我们得到了在不同主体商的信念，这揭示了如何主体的检测能力和网络拓扑交互影响的信念解析公式。特别是，公式允许我们预测当一个领导者 - 追随者的行为是可能的，其中一些发剂可以通过迫使他们选择一个特定的假设控制接社的想法。其次，我们考虑的双通道或扭转学习问题，揭示主体如何获悉：鉴于在接收主体收集信仰流，我们想探索的全球影响力，任何发送组件施加在该接收剂（拓扑学习问题）。观察社会和拓扑学习之间的显著的，也许意想不到的相互作用：给出 H 假设和 S 发送部件，拓扑学习可当 H GEQ US 可行的。后者只是一个必要条件，我们检查拓扑学习问题的两个有用类的可行性。分析表明，一个关键的因素，使忠实拓扑学习是在发送子网络的统计模型的多样性。
从非马尔可夫约简到马尔可夫动力学：有噪声的投票模型的老化的情况
原文标题： Reduction from non-Markovian to Markovian dynamics: The case of aging in the noisy-voter model
地址： http://arxiv.org/abs/1910.13976
作者： Antonio F. Peralta, Nagi Khalil, Raul Toral
摘要： 我们学习记忆相关的二进制状态动态，专注于嘈杂的，选民模型。这是一个非马尔可夫过程，如果我们考虑集合人口的二进制状态作为说明变量，或者马尔可夫如果我们结合“年龄”，涉及到一个时间花费持有相同的状态，作为描述的一部分。我们表明，在某些情况下，该模型可以降低到一个有效的马尔可夫过程，那里的人口年龄分布迅速地平衡到一个准稳态，而该系统的全局状态进行平衡。这种有效的马尔可夫过程股非线性嘈杂，选民模型的同一个现象，我们建立了嘈杂的，选民模型的这两个分机之间的清晰的并行性。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。