Arxiv网络科学论文摘要5篇(2018-10-10)

  • 用于图聚类的基于双目标演化谱算法的集合;
  • 高等教育空间,连接个人选择和学位项目;
  • 谣言传播遇到怀疑主义:与僵尸并行;
  • 用于脑分割的谱分辨率聚类;
  • 解释相变过程的计算研究;

用于图聚类的基于双目标演化谱算法的集合

原文标题: An ensemble based on a bi-objective evolutionary spectral algorithm for graph clustering

地址: http://arxiv.org/abs/1810.03652

作者: Camila P.S. Tautenhain, Mariá C.V. Nascimento

摘要: 图聚类是一种具有挑战性的模式识别问题,其目标是识别具有高组内连接的顶点分区。由于该问题的粗略定义,有许多有效的方法来正式确定这样的分区。特别是,多目标优化可以处理不同聚类质量测量之间的权衡,以便更好地评估分区。本文研究了一个问题,该问题最大化了图的簇内边的数量,并最小化了随机图中具有与原始序列相同的度序列的簇间边的预期数量。两个调查目标之间的差异是众所周知的图聚类质量度量的定义:模块性。我们引入了一种与演化启发式杂交的谱分解,称为MOSpecG,以解决这个双目标问题和集合策略,将MOSpecG找到的解决方案整合到最终的稳健分区中。实际和人工LFR网络的计算实验结果表明,引入方法的结果和性能在文献中发现的另一种双目标算法方面有显著改进。

高等教育空间,连接个人选择和学位项目

原文标题: The Higher Education Space, Connecting Degree Programs from Individuals' Choices

地址: http://arxiv.org/abs/1810.03676

作者: Cristian Candia, Sara Encarnação, Flávio L. Pinheiro

摘要: 是否有可能从申请人的选择中推导出高等教育系统的组织原则?在这里,我们介绍高等教育空间(HES)作为描述学位课程之间复杂关系的一种方式。 HES的基础是网络科学方法的应用,以及智利和葡萄牙高等教育系统申请人的偏好数据。我们的工作表明:1)沿着HES的网络结构存在积极的各种特征 - 如性别平衡,应用分数,失业水平,供需比率等等; 2)焦点学位课程中特征的流行程度的衰减超出了HES捕获的二元关系; 3)不同特征的时间变化不会以相同的方式在整个系统中溢出/传播; 4)考虑到HES的连通性结构,在成对的学位课程中报告的失业水平差异最小化,在很大程度上优于使用传统相似性措施的匹配对的差异; 5)基于HES的网络结构的学位课程的分组提供了补充现有分类系统的申请人视角。我们的研究结果支持HES作为一个多维框架,可以有效地促进高等教育系统的治理。

谣言传播遇到怀疑主义:与僵尸并行

原文标题: Rumor propagation meets skepticism: a parallel with zombies

地址: http://arxiv.org/abs/1810.03775

作者: Marco Antonio Amaral, Jeferson J. Arenzon

摘要: 我们提出了一个谣言传播的模型,其中易受影响,但持怀疑态度的个人可能反对谣言。抵抗可以由持怀疑态度的积极分子实施,试图说服传播者停止活动,成为扼杀者,或者被动(非反应性),例如,事实检查。有趣的是,这两种机制结合起来,与虚构的僵尸爆发的(假定的)传播类似,幸存者主动针对受感染的人群。我们分析了良好混合(平均场)的描述,并获得了在整个人群中传播的谣言(僵尸)的条件。结果表明,当怀疑论足够强时,该模型预测两个固定点的共存(这种双稳态可能与极化情况有关),谣言的命运取决于最初的暴露程度。

用于脑分割的谱分辨率聚类

原文标题: Spectral Resolution Clustering for Brain Parcellation

地址: http://arxiv.org/abs/1810.04026

作者: Keith Dillon, Yu-Ping Wang

摘要: 我们从图像科学的角度来看待确定功能活动的大脑网络连接问题。但是,将图像分辨率的概念适应于这个问题,我们为个体大脑分割的网络划分提供了新的视角。这里的典型目标是通过选择要切割的最佳边来确定更大网络中密集互连的子网。我们将这些子网定义为分辨率单元,其中单元内的高度相关活动使得边权重难以从数据中确定。通过聚类将分辨率估计细分为不相交的分辨率单元,在谱聚类上产生了新的变化和新的视角。这为开放式问题提供了洞察力和策略,例如模型顺序的选择和功能成像数据的预处理步骤的最佳选择。该方法使用功能成像数据进行演示,我们发现所提出的方法产生的分割在多次扫描中比传统方法更具预测性,并且与谱聚类的替代形式相比。

解释相变过程的计算研究

原文标题: A computational study explaining processes underlying phase transition

地址: http://arxiv.org/abs/1810.04036

作者: S. S. Chanda, B. McKelvey

摘要: 在现实世界的系统中,相变通常会突然实现,因此很难设计出有助于发现底层过程的适当控制。一些基于主体的计算模型显示类似于相变的变换。对于这种情况,可以引出详细的基础过程,随后可以在实际系统中测试其适用性。在遗传算法中,我们研究了正确和不正确知识集中度的适度差异如何导致通过一组代理人的学习努力获得的根本不同的结果。我们表明,正确和错误知识集中的差异会引发影响紧急结果的良性和恶性循环。当良性循环运作时,延迟平衡的开始就会获得更好的结果。对于恶性循环,快速达到平衡会获得更好的结果。我们的方法有助于揭示自然界运作的简单机制,抛弃在基于数学的方法中流行的不切实际假设的枷锁。我们的解释模型有助于直接研究,以研究在相变的有利方面获得结果的输入浓度。例如,通过跟踪相关参数浓度的变化,科学家可能会寻找细胞停止在器官中复制合适细胞的原因。这有助于设计器官的复兴。此外,在物理世界中,我们的模型可能会告知主导伊辛模型不足的情况。

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。

你可能感兴趣的:(Arxiv网络科学论文摘要5篇(2018-10-10))