- 确定符号图的社区结构和模块化指数：发作前和发作后海马深度记录;
- 双层投票系统的影响和妥协;
- 贝叶斯模型用于虚假信息信念影响，优化设计和假新闻遏制;
- 伊辛模型在相互依存网络上的相图和亚稳态;
- 统一演化博弈动态中的适应度和模仿映射;
- 在多层网络中关联模块性最大化和随机块模型;
确定符号图的社区结构和模块化指数：发作前和发作后海马深度记录
原文标题： Community structure and modularity index determination of signed graphs: Pre- and post-ictal hippocampal depth recordings
地址： http://arxiv.org/abs/1804.01568
作者： Keivan Hassani Monfared, Kris Vasudevan, Jordan S. Farrell, G. Campbell Teskey
摘要： 近年来，人们对物理，生物和社会网络中的符号图的静态属性和动力学的作用越来越感兴趣。特别是，有标记图的社区结构及其模块性指数引起了特别关注，并且有许多方法可以识别它们。在这里，我们提供实施四种重要方法的技术细节，这四种方法在性质上彼此非常不同;两种谱方法，一种使用邻接矩阵，一种使用拉普拉斯矩阵，一种使用边中心概念的启发式图论方法，最后是一种随机组合优化方法。由于方法的新颖性，我们关注麻醉大鼠海马CA1区脑网络中的一个有趣的社区结构问题，以研究发作前和发作后的状态。我们使用最近的电脑图像（EEG）深度记录117分钟，采样率为1000Hz。由于所使用的电极具有16个接触点，因此我们在记录的时间内构建了不重叠但滑动100,000个样本窗口相关矩阵或功能连接（FC）矩阵，从而生成有符号图。我们在这里首次报道的深度记录的发作前和发作后时段的聚类方法的结果对不同的社区结构产生了令人信服的答案。
双层投票系统的影响和妥协
原文标题： On influence and compromise in two-tier voting systems
地址： http://arxiv.org/abs/1804.01571
作者： Geoffrey R. Grimmett
摘要： 我们研究两级投票系统的数学基础的两个方面，包括欧盟理事会的数学基础。彭罗斯平方根系统基于选民在整个联盟中的平等影响力的概念。目前在概率论中使用的影响至少有两个不同的定义，即绝对和条件影响。当基本的随机变量是独立的，但不是普遍的时候，这些是一致的。我们回顾他们对双层投票系统的可能影响，特别是在所谓的集体偏好模型的背景下。我们证明Penrose的两个平方根法则是通过使用条件影响来统一的。在平方根系统的阐述中，Slomczynski和Zyczkowski提出了在理事会成功投票中实现的配额的确切价值，他们提供了数字和理论证据支持。我们指出在这种情况下使用高斯（或普通）近似值时出现的一些数值和数学问题。我们在设计两层投票系统时讨论理论家和政治家之间关系的某些方面，并且我们得出结论：平方根系统中的配额选择主要是政治家的问题。
贝叶斯模型用于虚假信息信念影响，优化设计和假新闻遏制
原文标题： A Bayesian Model for False Information Belief Impact, Optimal Design, and Fake News Containment
地址： http://arxiv.org/abs/1804.01576
作者： Amin Khajehnejad, Shima Hajimirza
摘要： 这项工作是对多代理网络中的虚假信息性质，设计，信念影响和遏制进行建模的技术方法。我们提供一个贝叶斯数据模型来源信息和观众的信念，以及前者如何影响后者在广播和观众的媒体（网络）。鉴于所提出的模型，我们研究如何将特定信息（真或假）最优化地设计到报告中，以便平均地将最大量的原始预期信息传达给网络的观看者。因此，该模型允许我们根据其先前信念的统计度量（例如偏倚，犹豫，开明，可信度评估等）来研究特定群体观众对于虚假信息的易感性。另外，基于同一模型，我们可以研究网络管理员施加的虚假信息“遏制”策略。具体而言，我们研究信誉评估策略，每个传播报告必须在事实的一定距离内。我们研究使用这种方案在假信息和真信息融合之间的权衡，从而导致最佳决定信息传播网络如何运作的真理敏感度。
伊辛模型在相互依存网络上的相图和亚稳态
原文标题： Phase diagram and metastability of the Ising model on interdependent networks
地址： http://arxiv.org/abs/1804.01630
作者： Maíra Bolfe, Lucas Nicolao, Fernando L. Metz
摘要： 我们通过研究由两个耦合的Erd \“os-R \ enyi随机图的节点上的Ising自旋组成的简化模型来探讨相互作用网络的协作行为和相变。系统和每个图的磁化，从中可以清楚地表征相图和不同状态的稳定性。我们通过改变模型参数显示亚稳态出现不连续，在相图中产生两个解共存的区域。通过Monte-Carlo模拟，我们证实了我们主要理论结果的正确性，并表明系统需要从亚稳态逃逸的典型时间随温度呈指数级快速增长，表征遍历热力学极限的遍历性。
统一演化博弈动态中的适应度和模仿映射
原文标题： Unifying fitness and imitation mappings in evolutionary game dynamics
地址： http://arxiv.org/abs/1804.01722
作者： Feng Huang, Xiaojie Chen, Long Wang
摘要： 作为战略传播的两种最常见的微观机制，频率相关的Moran过程和成对比较过程被广泛用于模拟演化博弈动态中的种群特征演化。对于几个特定的适应性或模拟映射，这两个微观过程可以在弱选择下导致相同的演化结果。但是，这种等价关系是否适用于任何形式的适应度和模仿映射？在本文中，我们提出了两个广义映射，即适应度（模仿概率）是任何非负的收益函数（收益差异）和选择强度，并研究这些统一映射是否可以导致随机博弈中的等价演化结果。通过计算弱选择下的固定概率和固定时间，我们发现，在温和条件下，广义映射将这两个量统一为一个常数因子。有了这个恒定的因子，不同的适应度和模仿概率函数对演化结果的影响只会使选择强度或收益矩阵发生变化，从而恢复以前的结果为特例。因此，无论比例因子如何，在弱选择下，任何两个适应或模拟概率函数都是等价的。特别是，适应度和模仿概率映射的选择明显决定了三分法的方向和尺度因子的风险优势。这项工作可能会丰富随机演化博弈动态的知识。
在多层网络中关联模块性最大化和随机块模型
原文标题： Relating modularity maximization and stochastic block models in multilayer networks
地址： http://arxiv.org/abs/1804.01964
作者： A. Roxana Pamfil, Sam D. Howison, Renaud Lambiotte, Mason A. Porter
摘要： 表征网络中的大型组织，包括多层网络，是网络科学中最重要的主题之一，对许多应用程序都很重要。一种类型的中尺度特征是社区结构，其中节点集密集连接在内部，但与其他密集节点稀疏连接。两种最常用的社区检测方法是最大化称为“模块性”的目标函数，并使用随机块模型执行统计推断。 Newman在单层网络上的工作（Physical Review E 94，052315）中，我们展示了在多层网络中最大化模块性在某些条件下等同于在适当选择的随机块模型下最大化社区分配的后验概率。我们为各种类型的多层结构推导了这种等价的版本，包括时间，多重和多层（即分层）网络。我们考虑关键参数不变的情况以及它们在各层之间变化的情况;在后一种情况下，这产生了模块化功能的新型层加权版本。我们的结果还有助于解决多层模块化最大化算法的长期困难，这些算法需要指定两组难以在实践中难以选择的调整参数。我们展示了如何以统计为基础的方式进行参数选择，并且我们证明了我们的方法在多个多层网络基准测试中的有效性。最后，我们将我们的方法应用于经验数据，以确定多层社区而无需调整参数。
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。