- 非线性随机交通模型中的动力容量下降;
- 聚结菌落模型：平均场，尺度和几何;
- 易感-感染-易感动态在时变配置模型网络上的相变;
- 信息处理功能可以检测动力系统的行为方式;
- 随机重叠社区：大图的近似主题密度;
- 推特AI：对于专家Twitterati的看法;
- 网络自组织：数据驱动的Koopman方法;
- 随机实验来检测和估计网络中的社会影响;
非线性随机交通模型中的动力容量下降
地址： http://arxiv.org/abs/1603.06175
作者： Wei-Liang Qian, Adriano F. Siqueira, Romuel F. Machado, Kai Lin, Ted William Grant
摘要： 在这项工作中，我们显示交通流的基本图中的逆$ $λ$形状可以通过具有随机噪声的简单非线性介观模型动态生成。提出的模型是基于交通系统的气体动力学理论。在我们的方法中，非线性导致不同流量状态的共存。因此，数据的散射归因于随机微分方程中引入的噪声项和各种交通状态之间的转换。最重要的是，由于随机噪声对系统的稳定性的影响，观察到的逆$ $λ$形状和物理量的相关突然跳跃。校准模型参数，并在数据和数值模拟之间获得定性协议。
聚结菌落模型：平均场，尺度和几何
地址： http://arxiv.org/abs/1709.08628
作者： Giulia Carra, Kirone Mallick, Marc Barthelemy
摘要： 我们分析了“初级”殖民地生长并随机排放传播并最终与其结合的次级菌落的聚结模型。该模型描述了理论生态学中的人口增长，肿瘤生长，也是模拟城市发展的极大兴趣。假设主要殖民地总是球半径为$ r（t）$，并且排放率与$ r（t）^ \θ$成正比，其中$ $ 0 $，我们得出了控制动态的平均场方程主要的殖民地，计算比例指数与$ \ theta $，并将我们的结果与数值模拟进行比较。然后，我们仔细测试圆形近似的有效性，并表明它是恒定排放率（$ \θ= 0 $）的声音。然而，当排放速率与周长成比例时，圆形近似分解，并且不能丢弃主殖民地的粗糙度，从而修改尺度指数。
易感-感染-易感动态在时变配置模型网络上的相变
地址： http://arxiv.org/abs/1709.09257
作者： Guillaume St-Onge, Jean-Gabriel Young, Edward Laurence, Charles Murphy, Louis J. Dubé
摘要： 我们提出了基于度数的理论框架来研究时变（重连）配置模型网络上的易感染敏感（SIS）动态。使用这个框架，我们提供了一个对固定状态的详细分析，对于给定的结构，覆盖了通过重连速率容易调整的每个动态方案。这种分析适用于相变的表征，并导致三个主要贡献。 （i）我们获得吸收状态阈值的自相矛盾的表达式，能够捕获集体和集线器激活。 （ii）我们恢复了一些现有方法的预测，作为限制我们分析的案例，从而为随机网络上的SIS动态提供统一的观点。 （iii）我们重新解释以枢纽为主的相变的概念。在我们的框架内，它似乎是一个异质的关键现象：不同程度的观察者与感染率有不同的比例。这导致了超出流行阈值的学位课程的连续激活。
信息处理功能可以检测动力系统的行为方式
地址： http://arxiv.org/abs/1709.09447
作者： Rick Quax, Gregor Chliamovitch, Alexandre Dupuis, Jean-Luc Falcone, Bastien Chopard, Alfons G. Hoekstra, Peter M.A. Sloot
摘要： 在动力学系统中，动力单元之间的局部相互作用产生存储和传输整个系统的相关性，产生宏观行为。然而，在微观尺度上量化和研究这一问题的框架是缺失的。在这里，我们提出了一个基于Shannon初始状态和未来状态之间相互信息量的“信息处理”框架。我们将其应用于256个基本元胞自动机（ECA），这是最简单的可能的动力系统，表现出从简单到复杂的行为。我们对ECA的主要发现是，只有少数功能需要完全可预测性，“信息集成”（协同）功能总是最具预测性。最后，我们将形式主义应用于外汇（FX）和利率互换（IRS）时间序列数据，并发现2008年金融危机标志着突然持续的制度转移（FX和EUR IRS）类似于转折点行为。美国国税局市场表现出缓慢而稳定的进展，这与该市场（危机背后的驱动力）的一部分假设一致。我们的工作表明，提出的框架是预测单位本地信息处理方面的紧急复杂系统行为的有前途的方法。
随机重叠社区：大图的近似主题密度
地址： http://arxiv.org/abs/1709.09477
作者： Samantha Petti, Santosh Vempala
摘要： 各种复杂的网络（社会，生物，信息等）展现了聚类系数（邻居连接的概率）的实质变化的局部聚类。大图的现有模型捕获幂律度分布（Barab \ asi-Albert）和小世界属性（Watts-Strogatz），但仅限于有限的聚类行为。我们引入了随机图的经典Erd \ H {o} sR \ enyi模型的泛化，可以实现对于任何给定图的期望的聚类系数，三角对边和四个周期到边比的宽范围尺寸和边密度。在随机重叠社区模型中，不是随机选择边，而是通过选择一组随机，相对密集的子图（“社区”）来生成图。我们讨论模型的解释力及其一些后果。
推特AI：对于专家Twitterati的看法
地址： http://arxiv.org/abs/1709.09534
作者： Lydia Manikonda, Subbarao Kambhampati
摘要： 随着人工智能（AI）的最新进展，各个组织和个人正在辩论AI作为对社会未来的祝福或诅咒的进步。本文通过利用Twitter上分享的数据，对公众对AI的进展情况进行了调查。具体来说，本文对属于两个类别的用户的理解进行了比较分析：一般AI-Tweeters（AIT）和专家AI-Tweeters（EAIT），他们在Twitter上分享有关AI的帖子。我们的分析显示，两类用户对AI表现出不同的情感和兴趣。来自两个类别的用户认为AI是积极的，并且对AI的进展乐观，但专家比一般的AI-Tweeters更负面。与AI的技术方面相比，专家AI-Tweeters的个人消息比例相对较大。然而，自动化对未来的影响是AIT的主要关注点，而不是EAIT。当专家类别被分类时，情绪分析显示，学生和行业专业人士对他们关于人工智能的推论有更多的见解，而不是院士。
网络自组织：数据驱动的Koopman方法
地址： http://arxiv.org/abs/1709.09576
作者： Claudia Caro-Ruiz, Duvan Tellez-Castro, Andres Pavas, Eduardo Mojica-Nava
摘要： 网络出现均衡显示动态，其特征在于多重均衡和突变。当每个节点离开其自然稳定状态并加入有组织的全局激活行为时，就会出现这些转换。在本文中，我们通过Koopman谱数据驱动的方法研究网络同步和自组织关键性（SOC）中的局部变化。为了说明这些想法，我们使用了Bak-Sneppen模型中的Integral-and-Fire振荡器（IFO）系统和SOC的同步行为。
随机实验来检测和估计网络中的社会影响
地址： http://arxiv.org/abs/1709.09636
作者： Sean J. Taylor, Dean Eckles
摘要： 在观察性研究中，网络中对社会影响的估计可能会因暴露在外部事件中的同质性和网络相关性而受到极大的偏见。随机实验，研究人员介入社会系统，并采用随机化来确定如何做到这一点，提供可靠估计社会行为因果影响的方法。除了处理社会科学中心的问题外，这些估计值可以形成有效的营销和公共政策的基础。在这次审查中，我们讨论了通过干预和随机化组合来衡量社会影响力的实验设计空间。我们将实验定义为（1）通过观察到的相互作用网络连接的个体的目标群体的组合，（2）研究者将介入社会系统的一组治疗，（3）将个体或边映射的随机化策略治疗，以及（4）治疗后感兴趣结果的测量。我们审查展示潜在实验设计的实验，并评估他们的优势和权衡，以回答关于社会影响力的不同类型的因果问题。我们显示随机化在分析这些实验时为统计学推断提供了依据。
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。