音乐序列中的网络基序
Network motifs in music sequences
摘要：
这篇论文已被作者撤回，因为它需要一个深刻的方法修订。
英文摘要：
This paper has been withdrawn by the author because it needs a deep methodological revision.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
由符号序列构成的图案网络
Networks of motifs from sequences of symbols
我们介绍了一种方法来转换成一个加权的有向网络的节点图案的符号序列的合奏，而有向链接和它们的权重定义从统计上显着的两个图案在同一序列中的共存。网络的模体的社区的分析表明，能够在人类蛋白质组数据库中的功能相关的序列，从在线社交对话中检测热点话题，动态系统的轨迹的特征，并可能会发现其他有用的应用程序来处理大量的数据在各个领域。
physics.data-anphysics.soc-phq-bio.GN
时间依赖网络中的时间模体
Temporal motifs in time-dependent networks
时间网络通常用于表示元素之间的连接仅在有限的时间段内有效的系统，例如电信网络，神经信号处理，生化反应和人类社会互动。我们引入时间模体的框架来研究时间网络的中尺度拓扑-时间结构，其中节点的事件在时间上不重叠。时间模体是一类相似的事件序列，其中相似性不仅指拓扑结构，而且指事件的时间顺序。我们提供了一个映射从事件序列到彩色有向图，使一个有效的算法识别时间图案。我们讨论了一些方面的时间图案，包括因果关系和空模型，并提出了一个大型的移动电话网络的时间图案的基本统计。
cs.SIphysics.data-anphysics.soc-ph
基于运动动机的复杂行为快速社会学习
Fast social-like learning of complex behaviors based on motor motifs
Instituto de Matemática Interdisciplinar, Faculty of Mathematics, Universidad Complutense de Madrid（马德里康普顿斯大学数学与交叉数学研究所）；University of Leicester（莱斯特大学）；Lobachevsky State University of Nizhny Novgorod（下诺夫哥罗德洛巴切夫斯基国立大学）
本文提出基于运动动机的复杂行为快速社会学习方法，通过神经网络和赢家无竞争机制实现学习者在有限循环内模仿教师行为。
math.DSphysics.soc-ph
棒球中投球模式主题的结构
Structure of Pitch-Pattern Motifs in Major League Baseball
Hanyang University（汉阳大学）；Pusan National University（釜山国立大学）
本文通过分析1240万次投球记录，探讨棒球投球模式的主题结构，发现其在宏观和微观尺度上均表现出稳定的非随机组织，但与传统表现指标关联有限。
physics.soc-ph
时间网络中的模体
Motifs in Temporal Networks
网络是在各种领域中对复杂系统进行建模的基本工具，包括社会和通信网络以及生物学和神经科学。网络中的小子图模式，称为网络模体，对于理解这些系统的结构和功能至关重要。然而，在时间网络中，其中包含许多节点之间的时间戳链接的网络图案的作用，还没有很好地理解。在这里，我们开发了一个概念的时间网络的基本单元的时间网络的图案，并提供了一个通用的方法来计算这样的图案。我们定义的时间网络图案的时间边缘序列上的诱导子图，设计快速算法计数的时间图案，并证明其运行时的复杂性。与基线方法相比，我们的快速算法实现了高达56.5倍的加速比。此外，我们使用我们的算法来计算各种网络中的时间图案。结果表明，来自不同领域的网络具有显着不同的模体计数，而来自相同领域的网络往往具有相似的模体计数。我们还发现，不同的模体发生在不同的时间尺度，这提供了进一步的见解的结构和功能的时间网络。
cs.SIphysics.soc-phstat.ML
抽样模体约束网络集成
Sampling motif-constrained ensembles of networks
网络特性的统计显著性取决于满足特定特性但在其他方面是随机的零模型。指数随机图模型是生成这种约束集合的原则性理论框架，但由于模型不一致，或者由于不可能从中对网络进行采样，因此在实践中经常失败。这些问题影响了网络的重要情况下，规定的聚类系数或小连通子图（图案）的数量。在本文中，我们使用的Wang-Landau方法，以获得一个多典型的采样，克服了这两个问题。我们的样本，在多项式时间内，网络工程与任意程度的序列，从合奏与强加的图案计数。将这种方法应用于社交网络，我们研究了传递性和同质性之间的关系，我们量化了不同类型的基序之间的相关性，发现单个基序可以解释高达60%的基序配置文件的变化。
cond-mat.stat-mechcs.SIphysics.soc-ph
