- 囚徒困境的系统文献综述：协作和影响力;
- 隐藏在多层网络;
- 素数星多路网络;
- 对NITRD，NCO，NSF要求“更新到2016年国家人工智能研究与发展战略规划”信息的回复;
囚徒困境的系统文献综述：协作和影响力
原文标题： A systematic literature review of the Prisoner's Dilemma; collaboration and influence
地址： http://arxiv.org/abs/1911.06128
作者： Nikoleta E. Glynatsi, Vincent A. Knight
摘要： 囚徒困境是自1950年以来作为研究的合作出现了一个框架使用了众所周知的博弈;持续数学，社会，生物和生态科学感兴趣的话题。博弈的迭代版本，在重复的囚徒困境，引起人们的重视在1980年的“合作的演化”出版后，一直以来不断开拓研究的话题。本文的目的是提供对囚徒困境相关研究进行系统文献综述。这两种方式实现。首先，我们审查工作选定的作品和文献，每个审查的研究不同的方面划分为五个不同的部分。其次，我们分析对囚徒困境3077篇文章从五个不同的突出刊物收集了全面的数据集。在这个手稿回答的问题是：（1）什么是该领域的研究趋势，（2）哪些领域内已经存在的结果，（3）合作是怎样的领域和（4）做作家的影响更多领域相比于其他领域。
隐藏在多层网络
原文标题： Hiding in Multilayer Networks
地址： http://arxiv.org/abs/1911.05947
作者： Marcin Waniek, Tomasz P. Michalak, Talal Rahwan
摘要： 多层网络允许复杂的关系，其中个人同时嵌入在多个社会网络建模。鉴于这种关系的普遍性，这些网络已经越来越多地获得文献的关注。本文介绍了针对多层网络的战略中心地位操纵措施的鲁棒性的第一个分析。更具体地说，我们考虑一个“evader”谁战略性选哪个连接，形成一个多层网络，以获得较低的中心地位为基础的排名，从而减少被强调的一个关键人物的机会网络的同时确保她保持连接到某一群人。我们证明，确定最佳的方式来“隐藏”是NP完全，很难接近在我们的研究中被认为是最核心地位的措施。此外，我们根据经验评估了许多的evader可以使用启发式的。我们的研究结果表明，中心性措施是整个网络的拓扑功能更加坚固比他们的同行，其单独考虑每一层这样的战略evader。
素数星多路网络
原文标题： Prime stars multiplexes
地址： http://arxiv.org/abs/1911.05782
作者： Alfonso Allen-Perkins, Roberto F. S. Andrade
摘要： 这项工作研究了类素星多路的，其中它的每个层中的 I， I = 1,2， ldots M ，由一个固定的周期图，其中任何节点具有 2J_i邻居。在一个过程，它不影响环状拓扑中，假设的是，复用被组装之前，节点被不同地在每个单独的层进行标记。作为安装程序要求在不同 M 层相同的节点的所有表示必须由层间连接被连接，所得到的复用模体可以是高度复杂的。这可以更好地可视化如果假设在一个层中的节点被标记为在依次按升序排列，并且具有相同标签的节点被绘制在另一个的顶部，以便所有层间连接由垂直线表示。在这样的情况下，其它 M-1 层通过长距离的快捷方式，其特征在于。因此，尽管共享相同的内部拓扑结构，多路的端部向上具有非常不同的层。对于节点的素数，定期明星几何产生通过要求 M-1 层的邻居标签由一个恒定值 P_I> 1 不同。对于 M = 2 ，我们使用的分析和数字方法来提供帧间层相异的，并且发生在其上的扩散动力学过程的多路传输拓扑性质的透彻表征。对于确定性起见，它被认为是，在顺序地标记的层中的每个节点的特征在于 J_1 geq1 。在另一层中，我们固定 J_2 equiv1 ，而 P> 1 变得层相异的一个主体。
对NITRD，NCO，NSF要求“更新到2016年国家人工智能研究与发展战略规划”信息的回复
原文标题： Response to NITRD, NCO, NSF Request for Information on "Update to the 2016 National Artificial Intelligence Research and Development Strategic Plan"
地址： http://arxiv.org/abs/1911.05796
作者： J. Amundson, J. Annis, C. Avestruz, D. Bowring, J. Caldeira, G. Cerati, C. Chang, S. Dodelson, D. Elvira, A. Farahi, K. Genser, L. Gray, O. Gutsche, P. Harris, J. Kinney, J. B. Kowalkowski, R. Kutschke, S. Mrenna, B. Nord, A. Para, K. Pedro, G. N. Perdue, A. Scheinker, P. Spentzouris, J. St. John, N. Tran, S. Trivedi, L. Trouille, W. L. K. Wu, C. R. Bom
摘要： 我们提出到2018年要求有关的信息（RFI）从NITRD，NCO，NSF响应“更新到2016年全国人工智能研究与发展战略计划。”通过这个文件，我们提供的问题的回答是否以及如何将国家的人工智能研究与发展战略规划（NAIRDSP）应该从费米实验室，美国首屈一指的国家实验室高能物理（HEP）的角度进行更新。我们认为，NAIRDSP应光人工智能（AI）领域的发展和创新的速度日益加快，因为2016年延长，下面要介绍我们的建议。 AI已经深刻地影响人类生活的许多领域，看好显著重塑社会---例如，经济，教育，科学---在未来几年。我们仍然在这一过程的早期阶段。这是至关重要的这一技术，现在投资，以确保它是安全和道德部署。科学和社会都对精度，效率，透明度和问责制算法的强烈需求，使得科学AI投资特别有价值。迄今为止，美国一直在人工智能技术的领导者，我们相信作为一个国家实验室是至关重要的帮助保持和扩大这一领先地位。此外，在AI的投资将是物理科学维护美国的领导地位非常重要。
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。