- 无线网络传播数据的能源和社会成本最小化：中心式和分布式方法;
- 表征一个社区驱动的讨论平台的行为趋势;
- 瑞甘地震复杂网络的雪崩、虚拟地震仪技术、临界性和地震周期;
- 挖掘含时图的暴增社区;
- 城市理论视角;
- 你的领域向何处发展？机器学习的方法来研究物理学领域的相对运动;
- 网络结构和模体导出成对转移熵;
- 循环服务中的智能公交车：没有上车和等待的策略;
- 有负面影响的新的线性阈值模型的在线学习与优化;
- 探测嵌套多层网络的鲁棒性;
- 用于未来智能电网的区块链：一个综述;
- 大图局部搜索实现群体接近度最大化;
无线网络传播数据的能源和社会成本最小化：中心式和分布式方法
原文标题： Energy and Social Cost Minimization for Data Dissemination in Wireless Networks: Centralized and Decentralized Approaches
地址： http://arxiv.org/abs/1911.02607
作者： Mahdi Mousavi, Anja Klein
摘要： 我们在无线网络中从一个源到多个节点研究多跳数据发布，其中的一些网络行为作为重传节点和帮助在数据发布源的节点。在这个网络中，我们研究了两种方案; i）所述发送节点不需要的激励和ii）它们需要一个激励和由虚拟令牌可以通过相应的接收节点支付。我们探讨两个问题; P1）网络功率最小化的第一场景和P2）社会成本最小化的第二场景中，定义为由网络的节点，用于接收数据支付的总成本。在本文中，我们建议集中和分散的每一个问题的方法。所提出的分散方法是基于非合作费用分摊博弈（CSG）。在我们提出的博弈中，每一个接收节点选择其各自的发射节点，因此，成本是根据施加在它的选择的发送节点的功率分配给它。对于能量效率的缘故，在我们的模型，我们采用最大比在使得接收机可以通过多个发射机提供服务的接收器组合（MRC）。此外，除了无线电链路功率，我们捕获由参与接收/发送的无线装置的被动模块所需的功率。我们讨论的网络是如何在分散的方式形成，找到节点的在博弈中的行动，并表明，该博弈达到一个纳什均衡。为了找到集中全局最优，这是一个基准，我们分散的方式，我们使用了混合整数内胆程序（MILP）。所提出的MILP可用于这两个问题P1和P2对于小的修改。仿真结果表明，我们提出的分散方法比在能源效率和社会成本方面的常规算法，同时也可以解决对协作激励的需要。
表征一个社区驱动的讨论平台的行为趋势
原文标题： Characterizing behavioral trends in a community driven discussion platform
地址： http://arxiv.org/abs/1911.02771
作者： Sachin Thukral, Arnab Chatterjee, Hardik Meisheri, Tushar Kataria, Aman Agarwal, Ishan Verma, Lipika Dey
摘要： 本文介绍了社区驱动的平台，观察讨论像reddit的，个体的行为模式以及团体的系统性分析，其中对他们感兴趣的话题用户通常交换的信息和观点。我们进行岗位行为的统计分析和周围用户的交互进行建模。一个平台像reddit的已成倍增长，从一个非常小的社区开始最大的社会网络之一，凭借其庞大的用户群和知名度在其活动方面窝藏各种用户的行为。我们的工作提供了有关其未能引起人们的注意，尽管它们的作者展示机器侠般的行为来吸引注意力不活跃的帖子数量庞大有趣的见解。我们也观察到短暂而又非常活跃的帖子效仿像蜉蝣巴斯的现象。一种方法被呈现，来研究周围职位它们是高活性的活性，以确定的Limelight拱活性的存在。我们还提出了系统的分析，研究争议的职位存在。我们从一年期的两期数据分析，而是通过几年在时间上分开，以了解如何利用社交媒体已经经过多年的演变。
瑞甘地震复杂网络的雪崩、虚拟地震仪技术、临界性和地震周期
原文标题： Avalanches on the Complex Network of Rigan Earthquake, Virtual Seismometer Technique, Criticality and Seismic Cycle
地址： http://arxiv.org/abs/1911.02779
作者： M. N. Najafi, M. Rahimi-Majd, T. Shirzad
摘要： 我们立足我们的研究，对瑞甘地震2010年12月20日，其中包括由虚拟地震技术手段在这个复杂的network.The虚拟地震复杂网络之上估计地震网络，同时还考虑到雪崩式动态的统计分析与指数 伽马= 2.3 0.2下午显示幂律度分布。我们的研究结果表明，地震活动强烈间歇性的，有 textit环形状如在自然的环境中，这是本研究的主要发现是看到。内部和雪崩之间的分支比表明，该系统是在（或者更精确地接近）与规模和质量与雪崩的持续时间的分布函数，幂律行为的临界点，并与一些比例关系这些量之间。雪崩规模的临界指数为 tau_S = 1.45 0.02下午。我们发现动态格林函数和节点中心性之间存在着很大的相关性。
挖掘含时图的暴增社区
原文标题： Mining Bursting Communities in Temporal Graphs
地址： http://arxiv.org/abs/1911.02780
作者： Hongchao Qin, Rong-Hua Li, Guoren Wang, Lu Qin, Ye Yuan, Zhiwei Zhang
摘要： 含时图是无处不在的。挖掘而在一段时间内爆破社区是必不可少寻求含时图表突发事件。不幸的是，在时间的网络社区挖掘最先前的研究忽视社区的爆破模式。在本文中，我们是第一次来研究时间曲线求爆棚社区的问题。我们提出了一种新的模式，称为（L 三角洲） - 最大的致密核心，代表一个爆破社区含时图。具体而言，（1，增量） - 最大致密核心是其中的每个节点在长度大于升没有更少的时间段具有平均度不小于增量的时间子图。为了计算（1,1- 增量） - 最大致密核心，我们首先开发一种新型的动态规划算法能够有效地计算该段的密度。然后，我们提出了几个新的修剪技术，进一步提高效率的改进算法。此外，我们还开发了一个有效的算法枚举所有（L 三角洲） - 未由其他人在参数l的条款和三角洲占主导地位的最大密集的核心。广泛的实验，对9现实生活中的数据集上的结果表明，我们的算法的有效性，效率和可扩展性。
城市理论视角
原文标题： Perspectives on urban theories
地址： http://arxiv.org/abs/1911.02854
作者： Denise Pumain, Juste Raimbault
摘要： 在五年我们GeoDiverCity工作方案的最后，我们汇集了来自不同学科的作者的多样性。每个人都被邀请提交关于城市化的理论和模型的一个重要问题。它们代表的各种城市研究电流。而不是重复这里所有章节的内容中，我们提出了两种方法来合成这本书的科学贡献。在第一部分中，我们替换他们的关系在我们的计划进行了实验这几个原则，并在第二部分中，我们把它们相对于国际文献对这些主题更广阔的视野。
你的领域向何处发展？机器学习的方法来研究物理学领域的相对运动
原文标题： Where is your field going? A Machine Learning approach to study the relative motion of the domains of Physics
地址： http://arxiv.org/abs/1911.02890
作者： Andrea Palmucci, Hao Liao, Andrea Napoletano, Andrea Zaccaria
摘要： 我们提出了一种原始的方法来描述一个定量的方式的科学进步。利用创新的机器学习技术，我们建立了PACS代码向量表示，我们用它们来代表在多维空间物理学的各个领域的相对运动。这25年的科学方法论的发展趋势推出，使我们能够预测领域的创新联轴器，并说明了诺贝尔奖的论文和APS里程碑如何推动先前不相关的领域的未来收敛。
网络结构和模体导出成对转移熵
原文标题： Deriving pairwise transfer entropy from network structure and motifs
地址： http://arxiv.org/abs/1911.02931
作者： Leonardo Novelli, Fatihcan M. Atay, Jürgen Jost, Joseph T. Lizier
摘要： 转让熵是用于定量神经影像学和复杂系统的数据集执导统计相关的既定方法。成对（或二元）从到目标节点的源网络不上的本地源 - 目标链路权重仅依赖于传输熵，但在该链接被嵌入在更广泛的网状结构。这种关系是使用研究离散时间线性耦合高斯模型，这使我们能够导出传递熵用于从所述网络拓扑中的每个链接。它被示出解析，关于向链路重量的依赖性是唯一的第一近似值，有效期为弱耦合。更一般地，与源的入度转印熵增加且与目标的入度降低，表明集线器和低度的节点之间的信息传送的不对称性。此外，转印熵正比于涉及共同父母或从源到目标的多个阶层，其在网络中以比随机网络高聚集系数更丰富的加权基序计数。我们的研究结果也适用于Granger因果关系，这相当于传输熵高斯变量。此外，在随机布尔网络相似经验结果表明，转移熵对入度的依赖性延伸到非线性动力学。
循环服务中的智能公交车：没有上车和等待的策略
原文标题： Intelligent buses in a loop service: Emergence of no-boarding and holding strategies
地址： http://arxiv.org/abs/1911.03107
作者： Vee-Liem Saw, Luca Vismara, Lock Yue Chew
摘要： 我们研究 N 如何服务于 M 的公共汽车站的循环巴士智能学习 EMPH没有登机策略和 EMPH持有策略通过强化学习。该高层没有登机，并持有策略，从 EMPH逗留或 EMPH休假水平低的动作出现时，公交车在公交车站和大家谁愿意下车已经这样做了。鼓励巴士走向，同时拿起的人在他们中间交错相差努力的奖励可以强化学习过程收敛到最优Q-表的模拟一段合理的时间范围内。值得注意的是，智能总线此自发行为证明，以尽量减少乘客的平均等待时间，在公共汽车在繁忙以及间歇周期具有相同的固有频率，或不同的固有频率不同的设置。合作行动还观察到，例如巴士学会 EMPH unbunch。
有负面影响的新的线性阈值模型的在线学习与优化
原文标题： Online Learning and Optimization Under a New Linear-Threshold Model with Negative Influence
地址： http://arxiv.org/abs/1911.03276
作者： Shuoguang Yang, Shatian Wang, Van-Anh Truong
摘要： 我们提出了一个新的类线性阈值基于模型的信息扩散模型中并入的消极态度形成和扩散。我们称这种模式的消极意识。我们表明，在这些模型中，影响函数是一个单调子模函数。因此，我们可以用贪心算法来构建种子套与常数近似担保，当时的目标是选择一个种子组固定大小ķ的最大化总的影响。我们的模型是足够灵活，以帐户为本地用户双方的特点和信息在传播中传播的功能。我们分析了多轮的影响力最大化问题，其中一个主体积极的学习扩散参数，随着时间的推移而试图最大限度地提高总的累积影响在线学习环境。我们假设在每个扩散步骤，主体只能观察节点是否成为正面或负面的影响，或者保持无效。特别是，他不遵守特定的边带来了节点的激活，如果有的话。这种反馈模型称为节点级的反馈，而不是他在其中能够观察比较常见的边级反馈模型，对每个节点，通过这些节点受到影响的边。在温和的假设下，我们发展网络教育是实现秩序 O（1 / 开方横置），其中 T 是回合的总数累计预期遗憾的算法。这些是任何种类的影响力最大化的节点级反馈模型的第一遗憾的保证。此外，有轻度的假设，这个结果也提高了 mathcal Ó的平均遗憾（ SQRT LN T / T）对于边级反馈模型在举wen2017online，因此提供了新的业绩比较基准。
探测嵌套多层网络的鲁棒性
原文标题： Probing the robustness of nested multi-layer networks
地址： http://arxiv.org/abs/1911.03277
作者： Giona Casiraghi, Antonios Garas, Frank Schweitzer
摘要： 我们考虑一个多层网络具有两层， mathcal L _ 1， mathcal L _ 2 。其层内的拓扑结构示出了无标度分布和核心 - 边结构。嵌套结构描述了层间的拓扑结构，即，从 mathcal L一些节点_ 1 ，该通才，有许多链接到节点 mathcal L _ 2 ，专家只有几个。这种结构是通过分析从生态学和经济学两个经验的网络验证。探测多层网络的鲁棒性，我们移除 mathcal L节点_ 1 与它们间和层内的链接和测量中的最大连通分量， F_的大小的影响2 ，在 mathcal L _ 2 ，这是我们采取的稳健性措施。我们通过除去优选外周或核心节点测试不同的攻击情景。我们也有所不同通才与专才之间的层内耦合，以研究它们对多层网络的鲁棒性的影响。我们发现到非常低的稳健性价值观的攻击中和层内联接引线的一些组合，而其他人证明，因为层内链接的多层网络的鲁棒性高。我们的研究结果阐明了二分网络，只考虑层间的鲁棒性新光源，但是没有层内的链接。
用于未来智能电网的区块链：一个综述
原文标题： Blockchain for Future Smart Grid: A Comprehensive Survey
地址： http://arxiv.org/abs/1911.03298
作者： Muhammad Baqer Mollah, Jun Zhao, Dusit Niyato, Kwok-Yan Lam, Xin Zhang, Amer M.Y.M. Ghias, Leong Hai Koh, Lei Yang
摘要： 智能电网的概念已经被引入作为传统电网的一个新的视野，以找出整合绿色和可再生能源技术的有效方式。通过这种方式，互联网连接的智能电网，也被称为能源互联网，也正在成为一个创新的方法，以确保在任何时间从任何地方的能量。这些发展的最终目标是要建立一个可持续发展的社会。然而，整合和协调大量增长的连接可以是传统的集中式网格系统一个具有挑战性的问题。因此，智能电网正经历从集中形成一种转化的分散布局。在另一方面，blockchain有一些优秀的功能，这使其成为智能电网范式广阔的应用前景。在本文中，我们的目标是提供在智能电网应用blockchain的全面调查。因此，我们确定，可以由blockchain来解决智能电网情景显著的安全挑战。然后，我们提出了一些基于blockchain，最近的研究在不同的文献解决智能电网的地区安全问题呈现的作品。我们也总结了几个相关的实事工程，试验和产品已经出现了最近。最后，我们讨论基本研究的挑战和应用blockchain智能电网的安全性问题的未来方向。
大图局部搜索实现群体接近度最大化
原文标题： Local Search for Group Closeness Maximization on Big Graphs
地址： http://arxiv.org/abs/1911.03360
作者： Eugenio Angriman, Alexander van der Grinten, Henning Meyerhenke
摘要： 在网络分析和图挖掘，接近中心是推断顶点的重要性流行的措施。计算亲近高效的各个顶点，获得了相当的关注。组接近最大化的NP难问题，又是更具挑战性：目标是找到一个顶点组是中央作为一个整体，国家的最先进的启发式它不扩展到非常大的图表还。在本文中，我们提出了组亲密最大化新的本地搜索启发。通过使用随机近似技术和动态数据结构，我们的算法往往能够有效地执行局部最优的决策。最终结果是具有高（但不是最优的）接近中心的基团。我们我们的算法比较两者加权和不加权的真实世界的图表当前国家的最先进的启发式贪婪。对于亿万边的图表，我们的本地搜索算法只需要约十几分钟，而贪婪需要十多个小时。总的来说，我们的新算法是数量级一到两个速度更快，这取决于所需的组大小和解决方案的质量。例如，在加权图和 K = 10 ，我们的算法产生的 12,4 ％更高质量的解决方案，同时还 793,6 倍更快。对于未加权的图表和 K = 10 ，我们达到 99.4 ％国家的最先进的质量的内的解决方案，同时 127,8 倍更快。
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。
网友评论