用于三维多目标跟踪的图形神经网络 | 网络科学论文速递34篇

集智斑图最新论文栏目，关注复杂系统、网络科学、计算社会科学、统计物理等领域的前沿进展，每天即时更新相关顶刊论文，和最新arXiv预印本论文。

本文是对近期arXiv论文的汇总编译（by 彩云小译）。更多最新论文，请扫二维码获取。

核心速递

• 用于三维多目标跟踪的图形神经网络；

• 基于数据的线性网络系统滚动时域控制；

• 基于多主体仿真的新冠肺炎接触确认应用程序(COCOA)的有效性；

• 战略论证中的腐败与审计；

• 具身人工智能研究框架；

• 在群体导航中，牧羊代理的干扰比感知噪声的影响更大；

• 协同式多机器人搜救系统: 协调与感知；

• 深度多主体强化学习的单调值函数因子分解；

• 人类决策的计算模型及其在物联网中的应用；

• 可重构装配系统的算法研究；

• 多目标生态路径在车辆动态控制中的应用；

• SmartSON: 一个自组织网络的智能合同驱动的激励管理框架；

• 隐马尔可夫过程的 Shannon 熵率；

• Rössler 模型中的同宿混沌；

• 研究混沌与三体问题的关系；

• 基于多主体强化学习的驾驶员重新定位奖励设计；

• 随机驱动问题的李亚普诺夫指数；

• 基于博弈论和内隐分层学习的多智能体轨迹模型；

• 信息化神经元集合卡尔曼学习；

• 基于瞬态的复杂系统分类；

• 加密货币网络研究综述: 背景、现状与挑战；

• 民主选举失败的公理；

• 非线性动力系统中的机器学习；

• 偏见动态: 细节中的魔鬼；

• 社交媒体上的时间心理健康动态；

• 黑市驱动的网络媒体合谋研究综述；

• 大规模异构学术网络名称消歧的成对学习算法；

• 关于气候变化的两极分化推文；

• Twitter 网络气候变化话语中的情感极化；

• 打破城市流动性；

• 带符号网络的双曲节点嵌入；

• 新冠肺炎传播的分析、建模和表现: 以印度为例；

• DyANE: 时态网络的动态感知节点嵌入算法；

• 信任和可信赖性的演变；

用于三维多目标跟踪的图形神经网络

原文标题：

Graph Neural Networks for 3D Multi-Object Tracking

地址：

https://arxiv.org/abs/2008.09506

作者：

Xinshuo Weng,Yongxin Wang,Yunze Man,Kris Kitani

摘要：三维多目标跟踪 (3D Multi-object tracking，MOT) 是自治系统的关键技术。最近的工作经常使用一个逐检测跟踪管道，其中每个对象的特征是独立提取计算一个亲和矩阵。然后将亲和矩阵传递给匈牙利算法进行数据关联。该流水线的一个关键过程是学习不同对象的区分特征，以减少数据关联过程中的混淆。为此，我们提出了两种创新的特征提取方法: (1)通过引入图形神经网络，提出了一种新的特征交互机制，而不是单独获取每个物体的特征；(2)提出了一种新的联合特征提取器，从二维和三维空间中提取物体的外观和运动特征。通过在 KITTI 数据集上的实验，我们提出的方法实现了最先进的三维 MOT 性能。我们的项目网站是在这个 http URL。

基于数据的

线性网络系统滚动时域控制

原文标题：

Data-based Receding Horizon Control of Linear Network Systems

地址：

https://arxiv.org/abs/2003.09813

作者：

Ahmed Allibhoy,Jorge Cortés

摘要：我们提出了一种基于分布式数据的预测控制方案来稳定由线性动力学描述的网络系统。代理人合作预测未来的系统演化，而不知道的动态，而是依靠学习一个数据为基础的表示从单一的样本轨迹。我们利用这种表示将有限水平线性二次调节器问题转化为目标函数可分且约束条件可局部表达的网络优化问题。我们证明了用分布式优化算法近似求解该问题所得到的控制器是稳定的。我们通过数值模拟验证了我们的结果。

基于多主体仿真的新冠肺炎

接触确认应用程序(COCOA)的有效性

原文标题：

Effectiveness of the COVID-19 Contact-Confirming Application (COCOA) based on a Multi Agent Simulation

地址：

https://arxiv.org/abs/2008.13166

作者：

Yuto Omae,Jun Toyotani,Kazuyuki Hara,Yasuhiro Gon,Hirotaka Takahashi

摘要：截至2020年8月，2019年冠状病毒病仍在世界范围内蔓延。新型冠状病毒肺炎。在日本，日本厚生劳动省开发了“新型冠状病毒肺炎联系-确认申请 (COCOA) ” ，并于2020年6月19日发布。通过使用 COCOA，用户可以知道他们是否与感染者有过接触。如果与感染者有过接触的人继续呆在家里，他们可能不会感染外面的人。然而，减少感染者数量的有效性取决于应用程序的各种使用参数还不清楚。如果清楚，我们可以设置应用程序使用参数的目标值 (例如总人口的使用率) ，并呼吁安装应用程序。因此，我们开发了一个多代理模拟器，它可以表示应用程序的新型冠状病毒肺炎扩展和使用情况，比如 COCOA。在这项研究中，我们描述了模拟器和应用程序在各种情况下的有效性。这项研究的结果支持了之前的研究。

战略论证中的腐败与审计

原文标题：

Corruption and Audit in Strategic Argumentation

地址：

https://arxiv.org/abs/2008.13115

作者：

Michael J. Maher

摘要：战略论证为代理人之间的争论和谈判提供了一个简单的模型。尽管我们可能期望代理人按照我们的最大利益行事，但几乎没有什么能强制这种行为。(Maher，2016) 在战略论证中引入了腐败和反腐败模型。在本文件中，我们确定了在这一提法中没有发现的腐败行为。我们加强了监测此类行为的模型，并表明，在加强的模型下，所有的战略目标 (Maher，2016) 都能抵抗腐败。

具身人工智能研究框架

原文标题：

AllenAct: A Framework for Embodied AI Research

地址：

https://arxiv.org/abs/2008.12760

作者：

Luca Weihs,Jordi Salvador,Klemen Kotar,Unnat Jain,Kuo-Hao Zeng,Roozbeh Mottaghi,Aniruddha Kembhavi

摘要：在嵌入式人工智能领域，代理人通过自我中心的观察，通过与环境的互动来学习完成任务，随着深度强化学习的出现，以及计算机视觉、 NLP 和机器人社区兴趣的增加，该领域已经经历了实质性的发展。这种增长是由于创造了大量的模拟环境 (如 AI2-THOR、 Habitat 和 CARLA)、任务 (如点导航、指令跟踪和具体问题回答) 和相关的排行榜。虽然这种多样性是有益的、有机的，但它也使社区分裂: 需要付出巨大的努力去做一些简单的事情，比如在一个环境中训练一个模型，在另一个环境中测试它。这阻碍了良好的科学研究。我们介绍了一个模块化的、灵活的学习框架，它是针对具身人工智能研究的独特需求而设计的。Allpropt 为不断增加的嵌入式环境、任务和算法集合提供一流的支持，提供最先进模型的复制，并包括大量的文档、教程、启动代码和预先训练的模型。我们希望我们的框架能使嵌入式人工智能更容易获得，并鼓励新的研究人员加入这个令人兴奋的领域。该框架可以访问: this https URL。

在群体导航中，

牧羊代理的干扰

比感知噪声的影响更大

原文标题：

Disturbances in Influence of a Shepherding Agent is More Impactful than Sensorial Noise During Swarm Guidance

地址：

https://arxiv.org/abs/2008.12708

作者：

Hung The Nguyen,Matthew Garratt,Lam Thu Bui,Hussein Abbass

摘要：大群体的制导是一个具有挑战性的控制问题。牧羊提供了一种方法来引导一个大的群使用少数牧羊代理 (牧羊犬) 。噪声是许多现实问题的固有特征。然而，噪音对牧羊人的影响还没有很好的研究。这种影响可能有两种形式。首先，噪声在感觉信息中被牧羊人接收到，关于绵羊的位置。第二，由于驱动过程中的干扰，牧羊犬影响绵羊的能力中的噪音。本文研究了这两种类型的噪声。本文研究了 Str”{ o } mbom 文本引用法在驱动和感知噪声情况下的性能。在研究影响噪声之前，我们需要确保算法的参量化对应于算法的稳定性能。这挂运行大量的模拟，同时增加数量的随机事件，直到达到稳定。然后，我们系统地研究了感官和驱动噪声对性能的影响。结果表明，该方法对驱动噪声比感知噪声更为敏感。这意味着对于牧羊人来说，通过降低驱动噪声来更精确地影响羊群比试图降低传感器中的噪声更为重要。此外，不同的噪声水平对牧羊代理人的要求也不同，不同的噪声水平下，代理人决定是否收集迷途羊群所需的参量化也不同。

协同式多机器人搜救系统: 

协调与感知

原文标题：

Collaborative Multi-Robot Systems for Search and Rescue: Coordination and Perception

地址：

https://arxiv.org/abs/2008.12610

作者：

Jorge Peña Queralta,Jussi Taipalmaa,Bilge Can Pullinen,Victor Kathan Sarker,Tuan Nguyen Gia,Hannu Tenhunen,Moncef Gabbouj,Jenni Raitoharju,Tomi Westerlund

摘要：近年来，自主或遥控机器人在民用领域发挥着越来越重要的作用。在机器人可以支持人类操作员的不同民用领域中，它们可以产生更大影响的领域之一是搜索和救援(SAR)行动。特别是，多机器人系统有可能大大提高搜救人员的效率，其中包括更快地搜寻受害者、初步评估和绘制环境图、实时监测和监视搜救行动，或建立紧急通信网络等。SAR 操作包含了各种各样的环境和情况，因此异构和协作的多机器人系统可以提供最大的优势。本文从算法的角度对现有的多机器人 SAR 支持方法进行了评述和分析，重点介绍了机器人之间协作的方法，以及通过机器视觉和多智能体主动感知实现先进感知的方法。此外，我们将这些算法放在不同类型的机器人(地面、空中、水面或水下)在不同的 SAR 环境(海上、城市、荒野或其他灾后场景)遇到的不同挑战和约束的背景下。据我们所知，这是第一次审查考虑异构 SAR 机器人在不同的环境，同时给出两个补充的观点: 控制机制和机器感知。基于我们对现有技术的回顾，我们讨论了主要的开放性研究问题，并概述了我们对当前可能提高多机器人 SAR 系统实际性能的方法的见解。

深度多主体强化学习的

单调值函数因子分解

原文标题：

Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning

地址：

https://arxiv.org/abs/2003.08839

作者：

Tabish Rashid,Mikayel Samvelyan,Christian Schroeder de Witt,Gregory Farquhar,Jakob Foerster,Shimon Whiteson

摘要：在许多现实环境中，一个代理团队必须协调其行为，同时以分散的方式行动。与此同时，通常可以对代理人进行集中式的培训，这样可以获得全球状态信息，并解除通信限制。学习以额外状态信息为条件的联合行动价值观，是利用集中学习的一种有吸引力的方式，但是提取分散化政策的最佳策略尚不清楚。我们的解决方案是 QMIX，这是一种新颖的基于价值的方法，可以以集中的端到端的方式培训分散的策略。QMIX 使用了一个混合网络，将联合作用值作为每个代理值的单调组合进行估计。通过在混合网络中使用非负权重，从结构上加强了每个代理人价值中的联合作用价值是单调的，从而保证了集权和分权政策的一致性。为了评估 QMIX 的性能，我们提出星际争霸多代理挑战(SMAC)作为深度多代理强化学习的一个新的基准。我们在一系列具有挑战性的 SMAC 场景下评估 QMIX，并表明它的性能明显优于现有的多代理/强化学习方法。

人类决策的计算模型

及其在物联网中的应用

原文标题：

Computational Models of Human Decision-Making with Application to the Internet of Everything

地址：

https://arxiv.org/abs/2008.11958

作者：

Setareh Maghsudi,Max Davy

摘要：物联网的概念最早出现在几十年前。今天，随着无处不在的无线连接，机器学习和人工智能的发展，以及大数据分析的进步，可以肯定地说，物联网已经发展成为一个新的概念，叫做万物互联网或万物互联网。IoE 有四个支柱: 事物、人、数据和过程，这使它成为一个非同质的大规模网络。这样一个网络的一个关键挑战是开发管理、分析和优化策略，除了效用最大化机器，还要考虑非理性的人。我们讨论了几个网络应用，其中适当的人类决策建模是至关重要的。然后，我们提供了一个简短的回顾计算模型的人类决策。基于这样一个模型，我们开发了一个雾计算中的任务卸载问题的解决方案，并分析了将人包含在回路中的含义。

可重构装配系统的算法研究

原文标题：

Algorithmic Approaches to Reconfigurable Assembly Systems

地址：

https://arxiv.org/abs/2008.11925

作者：

Allan Costa,Benjamin Jenett,Irina Kostitsyna,Amira Abdel-Rahman,Neil Gershenfeld,Kenneth Cheung

摘要：人们认为，在空间组装大型结构系统对于服务于不能单次发射就部署的应用程序至关重要。最近的文献建议使用离散模块结构的空间装配和相对小型的机器人，能够修改和通过结构。本文讨论了用机器人结构建立可重构空间结构的算法问题，其中重构定义为将初始结构转换为不同目标结构的问题。我们分析了不同的算法范例，并提出了相应的抽象和图表公式，检验了考虑离散化空间和时间步骤的专门算法。然后，我们讨论了不同计算架构的基本设计交易，如集中式与分布式，并提出了两个具有代表性的算法作为具体的例子进行比较。我们分析了这些算法是如何实现不同的目标函数和目标的，如总行程最小化、容错最大化或总装配时间最小化。这是为了给相应的结构和机器人设计的可扩展性提供一个算法约束的印象。从这项研究，一套建议是开发在何处和何时使用每个范例，以及对物理机器人和结构系统设计的影响。

多目标生态路径

在车辆动态控制中的应用

原文标题：

Multi-Objective Eco-Routing for Dynamic Control of Connected & Automated Vehicles

地址：

https://arxiv.org/abs/2005.00815

作者：

Shadi Djavadian,Ran Tu,Bilal Farooq,Marianne Hatzopoulou

摘要：智能交通工具的出现，可以与基础设施进行通信，也可以实现行动自动化，这为解决关键的城市交通问题提供了一系列新的选择，如交通拥堵和污染，而不需要调度集中系统。此外，信息、通信和传感技术的进步提供了获取实时交通和排放数据的途径。利用这些优点，提出了一种动态的多目标生态路由策略，并在分布式交通管理系统中实现。在基于内部代理的交通仿真平台上，将其应用于多伦多市中心的道路网络。将该系统的性能与各种单目标优化进行了比较。仿真结果表明，在考虑下游交叉口预期延误的情况下，将实时排放和交通状态引入到动态路径中具有重要意义。拟议的多目标生态路线可分别减少温室气体和氮氧化物排放量的43% 和18.58% ，同时平均旅行时间减少40%。

SmartSON: 

一个自组织网络的

智能合同驱动的激励管理框架

原文标题：

SmartSON:A Smart contract driven incentive management framework for Self-Organizing Networks

地址：

https://arxiv.org/abs/2008.11803

作者：

Abdullah Yousafzai,Choong Seon Hong

摘要：本文提出了一种自组织协同计算网络，提高了协同节点加入自组织网络的期望值。该方法依赖于 Ethereum 加密货币和智能契约，通过货币化向自组织网络提供的服务来增强合作节点的期望。在此基础上，提出了一种基于第三方支付的智能契约，以维持节点间的货币信任问题。该方案可以对自组织云、自组织联合云、自组织联合学习网和自组织 D2D 网等任何类型的自组织网络实施自主激励管理机制。考虑到这些自组织网络和以太网络的分布式特性，在该框架下实现了一种基于分布式代理的方法。接下来，给出了自组织云的一般情况的概念实现证明。最后，本文提供了一些使用该框架可能的未来方向的见解。

隐马尔可夫过程的 Shannon 熵率

原文标题：

Shannon Entropy Rate of Hidden Markov Processes

地址：

https://arxiv.org/abs/2008.12886

作者：

Alexandra M. Jurgens,James P. Crutchfield

摘要：隐马尔可夫链是广泛应用的统计模型的随机过程，从基础物理和化学金融，健康和人工智能。它们产生的隐马尔可夫过程是众所周知的复杂，然而，即使链是有限状态: 它们的香农熵率没有有限的表达式存在，因为它们的预测特征集是一般无限的。因此，到目前为止，人们还不能对它们的随机性和结构性做出一般性的说明。在这里，我们通过展示如何有效和准确地计算它们的熵率来解决这一挑战的第一部分。我们还展示了这种方法是如何给出无穷预测特征的最小集的。续集处理的挑战的第二部分的结构。

Rössler 模型中的同宿混沌

原文标题：

Homoclinic chaos in the Rössler model

地址：

https://arxiv.org/abs/2008.12886

作者：

Semyon Malykh,Yuliya Bakhanov,Alexey Kazakov,Krishna Pusuluri,Andrey L. Shilnikov

摘要：本文研究了 o · r · 奥斯勒于1976年提出的经典三维模型中同宿混沌的起源。我们特别感兴趣的是希尔尼科夫鞍焦点的卷积分支以及它们的协同作用如何决定模型的全局展开，以及混沌吸引子的变换。本文应用两种计算方法，一维回归映射和一种专门针对该模型的符号方法，详细分析了同宿分支，并在 r“ ossler 模型的参数空间中检测结构稳定和混沌动力学的区域。

研究混沌与三体问题的关系

原文标题：

Investigating the relation between chaos and the three body problem

地址：

https://arxiv.org/abs/2008.12756

作者：

T. S. Sachin Venkatesh,Vishak Vikranth

摘要：我们回顾了分形的特性，曼德布洛特集合，以及确定性混沌是如何与这幅图景联系在一起的。对混沌理论的主要应用之一——三体系统进行了详细的研究。研究了迄今为止生产的不同类型的系统，并对其性能进行了分析。然后，我们根据它们的性质将它们分成三类。我们建议定期进行这种审查，因为三体系统有无限多的解决方案，其中一些可能在除了等级系统以外的各个领域中有用。

基于多主体强化学习的

驾驶员重新定位奖励设计

原文标题：

Reward Design for Driver Repositioning Using Multi-Agent Reinforcement Learning

地址：

https://arxiv.org/abs/2002.06723

作者：

Zhenyu Shou,Xuan Di

摘要：据报道，很大一部分乘客请求没有得到满足，部分原因是租车司机在寻找乘客过程中的巡航行为出现了空缺。本文旨在通过平均场多智能体强化学习(MARL)方法建立多智能体重新定位任务的模型，捕捉多智能体之间的竞争。由于在给定的奖励机制下，由于驾驶员的自私性，直接将 MARL 应用于多驾驶员系统可能会产生次最优平衡，因此本文提出了一种奖励设计方案，该方案可以达到更理想的平衡。为了有效地解决上层作为奖励设计，下层作为奖励设计的双层最佳化问题问题，采用了贝叶斯优化算法来加速学习过程。然后应用双层优化模型对两个案例进行了研究，即服务收费下的网约车司机重新定位和纽约市拥挤定价下的多级出租车司机重新定位。在第一个案例中，通过 BO 导出的最优控制与解析解之间的一致性验证了模型的正确性。通过一个简单的分段线性服务收费，网约车平台的目标可以提高8.4% 。在第二个案例研究中，使用 BO 解决了5.1美元的最优通行费问题，与不收取通行费的情况相比，城市规划者的目标提高了7.9% 。在这种最优收费模式下，纽约市中心商业区的出租车数量减少，表明交通状况有所改善，而不会显著增加地铁系统的拥挤程度。

随机驱动问题的李亚普诺夫指数

原文标题：

Lyapunov exponent for Whitney's problem with random drive

地址：

https://arxiv.org/abs/2008.12013

作者：

Nikolai A. Stepanov,Mikhail A. Skvortsov

摘要：我们考虑了可倒摆法受外力激发的惠特尼问题中非下降轨迹的统计特性。在外力为白噪声的情况下，我们最近利用超对称场论的传递矩阵分析，得到了无限时间段内摆角和摆速的瞬时分布函数。在这里，我们将我们的方法推广到有限时间区间和多点相关函数的情况。利用发展的形式主义，我们计算了李亚普诺夫指数，它决定了在不下落的轨道上相关性的衰减率。

基于博弈论和内隐分层学习的

多智能体轨迹模型

原文标题：

Multiagent trajectory models via game theory and implicit layer-based learning

地址：

https://arxiv.org/abs/2008.07303

作者：

Philipp Geiger,Christoph-Nikolas Straehle

摘要：为了预测相互作用体的轨迹，我们提出了一个端到端的可训练结构，将神经网络与游戏理论原则混合，具有可解释的中间表示，并转移到健壮的下游决策。它结合了一个可微的隐式层，将偏好映射到局部纳什均衡，与一个学习的均衡精化概念和偏好显示，在初始轨迹上作为输入。这是伴随着一个新的类连续的潜在的游戏，明确的梯度和健全的理论结果，和一些措施，以确保可控性。在实验中，我们利用两个实际数据集对我们的方法进行了评估，其中我们预测了公路驾驶员的合并轨迹，以及一个简单的决策转移任务。

信息化神经元集合卡尔曼学习

原文标题：

Informative Neural Ensemble Kalman Learning

地址：

https://arxiv.org/abs/2008.09915

作者：

Margaret Trautner,Gabriel Margolis,Sai Ravela

摘要：在随机系统中，信息化方法选择关键的度量或决策变量，最大限度地提高信息增益，以提高模型相关推断的效率。神经学习也体现了随机动力学，但是信息学习还不够发达。在这里，我们提出信息性集合卡尔曼学习，用自适应集合卡尔曼滤波器取代反向传播，以量化不确定性，并在学习过程中使信息增益最大化。在演示了集合卡尔曼学习在标准数据集上的竞争性能之后，我们将信息化方法应用于神经结构学习。特别地，通过对 Lorenz-63系统的模拟训练，我们发现有效的学习结构可以恢复动力学方程。据我们所知，信息集合卡尔曼学习是新的。结果表明，这种优化学习的方法是有希望的。

基于瞬态的复杂系统分类

原文标题：

Classification of Complex Systems Based on Transients

地址：

https://arxiv.org/abs/2008.13503

作者：

Barbora Hudcova,Tomas Mikolov

摘要：为了开发能够模拟人工生命的系统，我们需要确定哪些系统能够产生复杂的行为。提出了一种适用于任何类型的确定性离散时空动力系统的分类方法。在进入一个循环之前，该方法可以区分系统平均计算时间的不同渐近行为。当应用于初等细胞自动机时，我们得到的分类结果与 Wolfram 的人工分类结果非常吻合。此外，我们使用它来分类二维细胞自动机，以表明我们的技术可以很容易地应用于更复杂的计算模型。我们相信这种分类方法可以帮助开发出复杂结构的系统。

加密货币网络研究综述:

背景、现状与挑战

原文标题：

Survey on Cryptocurrency Networking: Context, State-of-the-Art, Challenges

地址：

https://arxiv.org/abs/2008.08412

作者：

Maya Dotan,Yvonne-Anne Pignolet,Stefan Schmid,Saar Tochner,Aviv Zohar

摘要：比特币等加密货币是通过分布式系统实现的，因此严重依赖于互连网络的性能和安全性。然而，这些网络的需求和使用可能与传统的通信网络有很大的不同，对协议栈的所有层都有影响。本文的动机是这些差异，特别是观察到，这些网络的许多基本设计方面目前还没有得到很好的理解。为了支持网络社区对这个新兴的应用领域做出贡献，我们提供了该领域的结构化概述，从拓扑和邻居发现到块和事务传播。特别是，我们提供了背景，突出了与传统网络的差异和共性，回顾了最先进的技术，并确定了开放研究的挑战。因此，我们的论文也可以看作是一个呼吁，以改善基础上的加密货币的建立。

民主选举失败的公理

原文标题：

Axioms for Defeat in Democratic Elections

地址：

https://arxiv.org/abs/2008.08451

作者：

Wesley H. Holliday,Eric Pacuit

摘要：我们提出了关于在一个有两个或两个以上候选人的民主选举中，一个候选人何时击败另一个候选人的六个公理。已知的投票程序广泛地满足了其中的五个公理。第六公理是 Kenneth Arrow 著名的 indifferent from irrelevent alternatives 条件的弱化。我们称之为弱相干 IIA。我们证明了五个公理加上相干 IIA 选出了我们最近研究的一个投票过程: 分裂周期。特别是，分裂周期是最坚决的投票程序满足民主失败的六个公理。此外，还分析了分裂循环如何逃避阿罗不可能性定理及相关的不可能性结果。

非线性动力系统中的机器学习

原文标题：

Machine Learning in Nonlinear Dynamical Systems

地址：

https://arxiv.org/abs/2008.13496

作者：

Sayan Roy,Debanjan Rana

摘要：在本文中，我们讨论了一些最近的发展应用机器学习技术在非线性动态系统。特别是，我们展示了如何建立一个合适的机器学习框架来实现两个具体的相关目标: 预测系统的未来演化和从给定的时间序列数据揭示潜在动态的分析形式。本文是以适合于非线性动力学或机器学习课程的教学风格写成的。

偏见动态: 细节中的魔鬼

原文标题：

Biased Opinion Dynamics: When the Devil Is in the Details

地址：

https://arxiv.org/abs/2008.13589

作者：

Aris Anagnostopoulos,Luca Becchetti,Emilio Cruciani,Francesco Pasquale,Sara Rizzo

摘要：我们研究多智能体网络中的观点动态，当存在对两种可能观点之一的偏见时，例如，反映现状与优越的选择。从所有代理人分享代表现状的初始意见开始，系统逐步发展。在每个步骤中，统一随机选择的一个代理以一定的概率采用上级意见，并以概率1−α 它遵循一个基本的更新规则，在其邻居持有的意见的基础上修改它的意见。在两个著名的更新规则，即多数规则和选举规则下，分析了结果过程的收敛性。我们提出的框架具有丰富的结构，拓扑和底层更新规则之间没有明显的相互作用。例如，对于选民规则，我们证明了收敛的速度对底层拓扑结构没有显著的依赖性，而在多数规则下，图像完全改变，网络密度对收敛产生负面影响。我们相信，我们提出的模型同时是简单的，丰富的，模块化的，提供数学角色塑造之间的相互作用的偏见，潜在的意见动态，和社会结构在一个统一的设置。

社交媒体上的时间心理健康动态

原文标题：

Temporal Mental Health Dynamics on Social Media

地址：

https://arxiv.org/abs/2008.13121

作者：

Tom Tabak,Matthew Purver

摘要：我们描述了一套实验，以建立一个暂时的心理健康动力学系统。我们利用一种已经存在的方法，从社交媒体平台远程监控心理健康数据挖掘，并在全球新型冠状病毒肺炎流行期间部署该系统作为案例研究。尽管这项任务具有挑战性，我们还是产生了令人鼓舞的结果，这些结果既对全球流行病显而易见，也对全球现象---- 圣诞大萧条---- 有文献支持。我们提出了一个方法论，以提供洞察时间心理健康动态，以利用战略决策。

黑市驱动的网络媒体合谋研究综述

原文标题：

Blackmarket-driven Collusion on Online Media: A Survey

地址：

https://arxiv.org/abs/2008.13102

作者：

Hridoy Sankar Dutta,Tanmoy Chakraborty

摘要：在线媒体平台使用户能够与个人、组织联系，并分享他们的想法。除了连接外，这些平台还有多种用途，包括教育、推广、更新、认知等。因此，提高个人在网络媒体(又称社交增长)中的声誉是至关重要的，特别是对于那些希望提高自己的宣传和销售的企业主和活动经理来说。获得社会增长的自然方式是一项冗长乏味的任务，它会导致创造不公平的方式，人为地提高个人的声誉。一些在线黑市服务已经发展出一个欣欣向荣的生态系统，它们提供有利可图的服务，以吸引内容推广商在网上发布他们的内容。这些服务的运作方式使得媒体当局没有注意到它们的大部分无机活动，黑市服务的客户也不太可能被发现。我们称这种在网络媒体上提高社会声誉的不公平方式为串通。本文首次尝试对网络媒体中黑市串通行为的识别与分析的最新研究进行全面的概述。我们概述了这一问题、相关问题和概念的定义、拟议方法的分类、公开可用数据集和在线工具的描述，并讨论了未决问题。我们相信，串通实体检测是异常检测安全和网络安全研究中的一个新兴课题，本次调查将为读者提供一个易于访问和全面的方法，工具和资源清单，迄今为止提出的检测和分析在线媒体上的串通实体。

大规模异构学术网络

名称消歧的成对学习算法

原文标题：

Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks

地址：

https://arxiv.org/abs/2008.13099

作者：

Qingyun Sun,Hao Peng,Jianxin Li,Senzhang Wang,Xiangyu Dong,Liangxuan Zhao,Philip S. Yu,Lifang He

摘要：名称消歧旨在识别同名的独立作者。现有的名称消歧方法总是利用作者属性来增强消歧结果。然而，一些具有区别性的作者属性(如电子邮件和联系)可能会因为毕业或跳槽而改变，这将导致同一作者的论文在数字图书馆中被分离。虽然这些属性可能会发生变化，但作者的合著者和研究主题不会随时间频繁变化，这意味着一个时期内的论文在学术网络中具有相似的文本和关系信息。受此思想的启发，我们引入了基于多视点注意的成对关注递归神经网络(projtitle)来解决名字消歧问题。根据作者的区分属性将论文分成若干小块，并根据 projtitle 的成对分类结果对同一作者的论文进行合并。Projtitle 将异构图嵌入学习和成对相似学习结合到一个框架中。除了属性和结构信息，projtitle 还通过元路径利用语义信息，以归纳的方式生成节点表示，这对于大型图形是可伸缩的。此外，采用语义层次的注意机制融合多元元路径表示。一个由两个 RNNs 组成的伪暹罗网络以两个发表时间顺序的纸张序列作为输入并输出它们的相似性。两个实际数据集上的结果表明，我们的框架在名称消歧任务上的性能有了显著和一致的提高。研究还表明，projtitle 在少量的训练数据下表现良好，在不同的研究领域具有较好的泛化能力。

关于气候变化的两极分化推文

原文标题：

Polarizing Tweets on Climate Change

地址：

https://arxiv.org/abs/2008.13054

作者：

Aman Tyagi,Matthew Babcock,Kathleen M. Carley,Douglas C. Sicker

摘要：我们引入了一个框架来分析两个相互竞争的 Twitter 用户群体之间的对话，其中一个群体相信气候变化的人为原因 (信徒)  ，另一个群体则持怀疑态度 (不信者) 。作为一个案例研究，我们在卡托维兹举行的联合国气候变化会议期间使用了与气候变化有关的推特。我们发现无信仰者和信仰者在他们的群体中比在其他群体中谈话更多; 这对无信仰者比对信仰者更是如此。无信仰者的信息更侧重于攻击那些相信人为因素导致气候变化的人。另一方面，威尔的信息集中在呼吁对抗气候变化上。我们发现，不信教者和信教者的机器账户同样活跃，不信教者的新闻来源集中。

Twitter 网络气候变化话语中的

情感极化

原文标题：

Affective Polarization in Online Climate Change Discourse on Twitter

地址：

https://arxiv.org/abs/2008.13051

作者：

Aman Tyagi,Joshua Uyheng,Kathleen M. Carley

摘要：在线社交媒体已经成为围绕不同的社会文化和政治话题进行组织的重要平台。一项广泛的学术研究已经讨论了人们是如何被划分为类似回音室的群体的。然而，在量化敌对交流或两个竞争群体之间的“情感极化”方面还缺乏研究。本文提出了一个系统的、基于网络的研究网络会话中情感极化的方法。此外，我们将我们的框架应用于100周的 Twitter 关于气候变化的讨论。我们发现，否认气候变化的人(不信任者)对那些相信气候变化的人为原因的人(信任者) 更加敌视，反之亦然。此外，与信仰者相比，不信仰者在敌对的几周里使用了更多与自然灾害相关的词汇和标签。这些发现对于研究网络语篇中的情感极化，特别是关于气候变化的话题具有启示意义。最后，我们在日益重要的气候变化沟通研究的背景下讨论我们的发现。

打破城市流动性

原文标题：

Cracking urban mobility

地址：

https://arxiv.org/abs/2008.13644

作者：

H. A. Carmona,A. W. T. de Noronha,A. A. Moreira,N. A. M. Araujo,J. S. Andrade Jr

摘要：评估公路网的恢复能力有助于改善现有的基础设施和设计新的基础设施。本文应用最优路径裂缝模型 (OPC) 研究了城市道路网络的流动性，提出了一种新的城市道路网络弹性评价指标。与静态方法相反，OPC 解释了为响应流量阻塞而进行重路由的动态过程。准确地说，模拟在最佳起点到目的地路径的最脆弱部分的一系列故障 (裂缝) ，这些故障能够使系统崩溃。我们对合成和真实的道路网络的研究结果表明，它们的无序程度、单向路段的部分和空间相关性能够极大地影响对交通堵塞的脆弱性。通过将 OPC 应用于波士顿市中心和曼哈顿，我们发现波士顿明显比曼哈顿更脆弱。这与波士顿是美国交通平均浪费时间最多的大都市的名单是一致的。此外，我们的分析还揭示了这种差异的根源在于各路网的内在空间相关性。最后，我们认为，由于它们的全球影响，最重要的裂缝确定 OPC 可用于查明潜在的小规模路由和结构改变的道路网络，能够大幅度提高城市机动性。

带符号网络的双曲节点嵌入

原文标题：

Hyperbolic Node Embedding for Signed Networks

地址：

https://arxiv.org/abs/1910.13090

作者：

Wenzhuo Song,Hongxu Chen,Xueyan Liu,Hongzhe Jiang,Shengsheng Wang

摘要：有符号网络嵌入方法旨在学习有符号网络中节点的向量表示。然而，现有的算法只能将网络嵌入到低维欧氏空间中，而有符号网络的许多内在特征更适合于非欧氏空间。例如，以往的工作没有考虑网络的层次结构，这在现实世界的网络中得到了广泛的证实。在这项工作中，我们回答了一个开放性的问题，那就是双曲空间网络是否是一个更好的选择来容纳签名网络和学习可以保留相应的特殊特征的嵌入。提出了一种基于结构平衡理论和黎曼优化的非欧氏符号网络嵌入方法，该方法将符号网络嵌入到双曲空间中的 Poincar’ e 球中。这个空间使我们能够捕获有符号网络中节点的底层层次结构，因为它可以被看作是一个连续的树。在七个实际数据集上，我们对三个任务中的六个基于欧几里德基线的方法进行了实证比较，结果表明了我们方法的有效性。

新冠肺炎传播的分析、建模和表现: 

以印度为例

原文标题：

Analysis, Modeling, and Representation of COVID-19 Spread: A Case Study on India

地址：

https://arxiv.org/abs/2008.13116

作者：

Rahul Mishra,Hari Prabhat Gupta,Tanima Dutta

摘要：冠状病毒的暴发是地球上所有人类面临的最具挑战性的流行病之一。隔离感染者和保持社会距离是预防流行性新型冠状病毒肺炎的唯一措施。数据有限的感染者人数的实际估计是数据科学家面临的一个不确定的问题。在现有的文献中有大量的技术，包括繁殖数字，病死率，等等，用于预测流行病和传染人群的持续时间。本文提出了一个案例研究的不同技术的分析，建模和数据表示与流行病，如新型冠状病毒肺炎。我们进一步提出了估计感染传播状态在一个特定地区的算法。本文还提出了一种从易感染和恢复模型中估计传染病结束时间的算法。最后，本文通过实证和数据分析，研究了传播概率、接触率、传染性和易感性对疫情传播的影响。

DyANE: 

时态网络的动态感知节点嵌入算法

原文标题：

DyANE: Dynamics-aware node embedding for temporal networks

地址：

https://arxiv.org/abs/1909.05976

作者：

Koya Sato,Mizuki Oka,Alain Barrat,Ciro Cattuto

摘要：网络节点的低维向量表示已被证明能够成功地将图形数据提供给机器学习算法，并提高跨不同任务的性能。然而，大多数嵌入技术的发展目标是实现网络结构和模式的密集、低维编码。在这里，我们提出了一种节点嵌入技术，旨在提供低维特征向量，这些特征向量能够提供发生在时间网络上的动态过程的信息，而不是网络结构本身的信息，目的是使预测任务能够与这些过程的演变和结果相关。我们通过使用一种改进的时态网络超邻接表示法和基于随机游动的静态图的标准嵌入技术来实现这一点。我们证明，由此产生的嵌入向量是有用的预测任务相关的范式动态过程，即流行病蔓延的经验时间网络。特别是，我们演示了我们的方法的性能预测节点的传染病状态在一个单一的实例中的扩散过程。我们展示了如何在嵌入向量上将这个任务设定为一个有监督的多标签分类任务，使我们能够从随机时间的部分节点抽样估计整个系统的时间演变，这对于临近预报传染病动态有潜在的影响。

信任和可信赖性的演变

原文标题：

The evolution of trust and trustworthiness

地址：

https://arxiv.org/abs/2008.12948

作者：

Aanjaneya Kumar,Valerio Capraro,Matjaz Perc

摘要：信任和诚信构成了持续的社会和经济互动的基础，它们也是合作、公平和诚实的基础，实际上也是许多其他形式的亲社会和道德行为的基础。然而，信任意味着风险，建立一个值得信赖的声誉需要付出努力。那么，信任和可信赖性是如何发展的，在什么样的条件下它们才能茁壮成长呢？为了找到答案，我们使用信任博弈来操作信任和可信任度，信任者的投资和受托人的投资回报作为两个关键参数。研究了完全网络、随机网络和无标度网络以及混合极限网络下的博弈问题。我们发现，除了一种情况外，网络结构对信任和可信度的演化影响甚微。具体来说，对于完全混合的群体、格子、随机和无标度网络，我们发现信任从来不会演化，而可信度随着博弈参数和更新动力学的不同而有一定的概率演化。只有对于度非正规化动态的无尺度网络，我们才能找到信任发展但信任度不发展的参数值，以及信任度和信任度发展的参数值。最后，我们讨论了可能导致信任发展的机制，并概述了今后工作的方向。

来源：集智斑图

编辑：王建萍

复杂系统前沿文献交流群

如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。

参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。

近期网络科学论文速递

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜[e-mail]

◆ ◆ ◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！

👇点击“阅读原文”，了解更多最新arxiv论文