Epidemic spread on one-way circular-coupled networks
真实的传染病传播网络往往是由几种网络相互连接而成的,这些相互连接的网络具有不同的拓扑结构和流行动力学。此外,大多数人类疾病都来自动物,人畜共患传染病总是在相互关联的网络上传播。本文考虑由三个相互连接的子网络组成的单向循环耦合网络上的传染病传播问题。引入非均匀平均场方法,建立了两个单向三层循环交互网络,得到了模型的基本再生数,证明了模型的无病平衡点和地方病平衡点的全局稳定性.通过数学分析和数值模拟,发现两个模型的基本再生数$R_0$依赖于感染率、感染周期、平均度和度比。在第一种模型中,内接触图案的网络结构对$R_0$的影响大于交叉接触图案的影响。在相同的接触模式下,内部感染率对$R_0$的影响大于交叉感染率。在第二个模型中,在异质网络中流行的疾病对$R_0$的影响要大于在同质网络中流行的疾病,并且三个子网络之间的传染在传播过程中都起着重要的作用。数值例子很好地验证和扩展了这些理论结果。
2017-06-20 math.DS physics.soc-ph
Epidemic spreading and bond percolation in multilayer networks
研究了多层网络中任意链路数的SIR模型。通过映射到键渗流,我们给出了任意层数的传染病阈值和感染率的解析表达式。这些结果提供了一个精确的预测的传染病阈值的无限局部树状多层网络,和更一般的多层网络的传染病阈值的下界。由两个互连的网络形成的多层网络的情况下,具体研究作为一个功能的层内和跨层的度分布。我们发现,流行阈值强烈依赖于多层结构的度相关性。最后,我们将我们的结果与退火近似的易感-感染-易感(SIS)模型的结果。
2017-02-10 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Scalable Estimation of Epidemic Thresholds via Node Sampling
传染病可以通过社会接触网络从一个人传染给另一个人。在当今相互关联的全球社会中,这种传染过程可能导致全球公共卫生危害,正在发生的新冠肺炎大流行就是一个例证。因此,从统计推断的角度研究传染病的网络传播具有重要的现实意义。一个重要的和广泛研究的边界条件的网络上的传染过程是所谓的流行病阈值。流行阈值在确定引入社会接触网络的病原体是否会引起流行或消亡方面起着关键作用。本文从统计网络推理的角度研究了流行病阈值问题。我们确定了两个主要的挑战,是由高计算和采样复杂性的流行阈值。我们开发了两个统计上准确和计算效率高的近似技术,以解决这些问题下的Chung-Lu建模框架。第二种近似是基于随机游走采样的,它的优点是只需要一小部分节点上的数据。我们为这两种方法建立了理论保证,并证明了它们的经验优势。
2020-07-28 cs.SI physics.soc-ph stat.ME
Centrality in Interconnected Multilayer Networks
现实世界的复杂系统表现出多层次的关系。在许多情况下,它们需要通过互连的多层网络来建模,同时在多个层面上表征相互作用。在许多领域,从经济学到生物学,从城市规划到社会科学,识别网络中影响最大(或影响较小)的节点至关重要。然而,在一个相互关联的结构中,确定行为体的中心地位并非易事。在本文中,我们利用张量的形式主义,最近提出的这种复杂的拓扑结构的特征和调查,显示几个中心的措施-众所周知的标准(“单路”)网络的情况下-可以自然地扩展到领域的互连复用。我们认为诊断广泛应用于不同领域,例如,计算机科学、生物学、通信和社会科学,仅举其中一些。我们表明,无论是理论上和数值上,使用加权单重聚合多层网络获得的结果,在一般情况下,相关的差异,在排名节点的重要性。
2013-11-12 cond-mat.dis-nn cs.SI physics.soc-ph
May the Best Meme Win!: New Exploration of Competitive Epidemic Spreading over Arbitrary Multi-Layer Networks
本文将单病毒在任意图上传播的SIS传染病模型推广到两个互斥竞争病毒在具有类属结构的两层网络上传播的SI 1 SI 2S传染病模型,其中网络层代表病毒的不同传播路径.通过引入生存阈值和获胜阈值的概念,我们找到了确定病毒灭绝、互斥和共存的分析结果。此外,我们表明共存的可能性SIS型竞争性传播多层网络。我们不仅严格证明了共存的区域,我们通过网络层的中心节点的相互关系来量化它。层中心节点的重叠很少或没有重叠是共存的关键决定因素。具体来说,我们表明共存是不可能的,如果网络层是相同的,但可能的,如果网络层有不同的主导特征向量和节点度向量。例如,我们通过分析和数值计算表明,网络层的正相关性使病毒难以生存,而在网络层负相关的网络中,病毒的生存更容易,但要完全清除其他病毒则更困难。我们相信,我们的方法有很大的应用潜力,以更广泛的类的多病原体传播的多层和互连的网络。
2013-08-30 cs.SI physics.soc-ph
Epidemic Outbreaks in Networks with Equitable or Almost-Equitable Partitions
我们研究了被划分为局部社区的网络上的流行病的扩散。这种层次网络的总体结构可以用商图来描述。这种方法的基本原理是,个体感染属于同一社区的人的概率高于其他社区的个体。因此,在社区模型中,节点感染概率预计主要取决于几个相互关联的大型集群的相互作用。在这项工作中,我们描述了一个连续时间的个人为基础的易感染的易感(SIS)模型,使用一阶平均场近似的流行病过程。我们的模型的一个关键特征是,这个较小的商图的谱半径(它只捕获社区网络的宏观结构)是我们需要知道的,以便确定整体健康状态是否定义了全局渐近稳定或不稳定的平衡。事实上,谱半径与系统的流行阈值有关。此外,我们证明,在阈值以上,另一个稳态存在,可以使用与商图上的过程的演变相关联的低维动力系统来计算。我们的调查是基于图论的公平分割的概念和它的最近和相当灵活的推广,几乎公平分割。
2015-11-13 cs.SI physics.soc-ph
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上,类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人,Phys.Rev.Lett. 111,128701(2013)]分析了导致流行病传播的两个过程之间的相互关系,以及在多重网络之上传播信息意识以防止其感染。在这种情况下,提高认识意味着对疾病进行全面免疫,结果表明存在一个元临界点,在这个点上,流行病的关键开始取决于提高认识过程的实现。在这里,我们提出了一个全面的分析,这些关键的属性在更一般的情况下,意识的传播并不意味着完全免疫,感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系,代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识(大众媒体)的流行病发病率的最终结果的后果。更重要的是,大众媒体使元批评点消失了。结果表明,主要的发现,即存在一个元临界点,是植根于竞争的原则,并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Exact Coupling Threshold for Structural Transition in Interconnected Networks
互连网络是两个或多个简单网络相互耦合的系统的数学表示。根据两个组件之间的耦合权重,互连网络可以在两种状态下运行:一种是两个网络在结构上可区分的,另一种是它们不可区分的。耦合阈值--表示这种结构转变--是互连网络中最关键的概念之一。然而,目前关于耦合阈值的信息是有限的。这封信提出了耦合阈值的精确值的解析表达式,并概述了网络相互关系的影响。
2014-09-23 cs.SI physics.soc-ph
Epidemic Threshold of an SIS Model in Dynamic Switching Networks
在本文中,我们分析了动态切换网络,其中的网络切换任意之间的一组拓扑结构。对于这类动态网络,我们推导出一个流行病阈值,考虑SIS流行病模型。首先,假设节点状态之间的独立性的流行病概率模型。我们确定的条件下,流行病消亡的线性化的基本动力系统,并分析其渐近稳定的起源。然后使用联合谱半径的概念来推导流行阈值,随后使用几个网络(Watts-Strogatz,Barabasi-Albert,MIT现实挖掘图,Regular和Gilbert)进行验证。针对无向网络提出了一种简化的传染病阈值。此外,在静态网络的情况下,推导出的流行阈值与传统的分析结果相匹配。然后,证明了动态网络传染病阈值的解析结果适用于周期网络。对于动态规则网络,我们证明了流行病阈值是相同的静态规则网络的流行病阈值。在动态吉尔伯特网络的流行病传播概率的上限也推导和验证使用模拟。
2015-07-31 cs.SI physics.soc-ph
Multiple routes transmitted epidemics on multiplex networks
本文研究了多重网络上多途径传播的流行病过程。我们提出了详细的理论分析,使我们能够准确地计算流行阈值和爆发规模。研究发现,即使所有网络层都远低于各自的流行病阈值,流行病也可以在多路复用网络中传播。多重网络中节点之间的度-度强正相关性可以导致更低的流行阈值和更小的爆发规模。而来自不同层节点的邻居平均相似度对流行阈值和爆发规模没有明显影响。
2013-12-25 cs.SI physics.soc-ph
Effects of diffusion rates on epidemic spreads in metapopulation networks
它通常是有用的移动代理的传染动力学的集合种群模型。在这样的模型中,集合种群形成一个静态网络,个体从一个集合种群迁移到另一个集合种群。众所周知,集合种群网络的异质度分布降低了流行病传播的阈值。我们研究了异质度分布和扩散对集合种群网络中流行病的综合影响。我们发现,对于任意的异构网络,扩散抑制流行病的意义上的增加的流行病阈值。另一方面,需要一定的扩散率来引发全球范围的流行病传播。由于这些相反的扩散效应,接近流行阈值的传染病传播在中等扩散速率下最为显著。当个体固定在静态网络的节点上时,扩散可以抑制流行病的结果与扩散SIS动力学及其变体形成对比。
2010-08-20 cond-mat.dis-nn physics.soc-ph
Multiple Vectors Propagation of Epidemics in Complex Networks
研究了双媒介传播网络(TPN)中的传染病传播问题。我们提出了详细的理论分析,使我们能够准确地计算流行阈值和爆发规模。研究发现,即使TPN的两个子单矢量传播网络(SPN)远低于各自的流行阈值,流行病也可以在TPN中传播。TPN中节点间度-度的强正相关性可导致较低的流行阈值和较小的爆发规模。然而,来自不同SPN节点的邻居之间的平均相似性对流行阈值和爆发规模没有影响。
2013-07-07 cs.SI physics.soc-ph
Concurrency-induced transitions in epidemic dynamics on temporal networks
人类和动物流行病过程的社会联系网络是高度动态的。感染在这种时间网络上的传播与在静态网络上的传播有很大的不同。我们从理论上研究了并发的影响,一个节点在给定的时间点的邻居的数量,对流行病的阈值在时间网络模型的随机不确定性感染易感动态。我们表明,网络动态可以抑制流行病(即,产生更高的流行阈值),但也可以在并发性高时增强流行性。我们分析确定不同阶段的并发诱导过渡,并确认我们的结果与数值模拟。
2017-09-08 cs.SI physics.soc-ph
Percolation on feature-enriched interconnected systems
逾渗是一个标志性的模型,以评估互联系统的鲁棒性时,他们的一些组件损坏。它通常在简单的场景中进行研究,例如以随机顺序删除系统的单元,或者通过特定的拓扑描述符顺序排序。然而,在绝大多数经验应用中,需要按照更复杂的协议来拆除网络,例如,通过组合拓扑属性和非拓扑节点元数据。我们提出了一种新的数学框架来填补这一空白:网络中的特征丰富,并根据特征空间中的重要性删除它们的节点。我们考虑不同性质的特征,从与网络构建相关的特征到与传染病传播等动态过程相关的特征。我们的框架不仅提供了一个自然的概括渗透,但更重要的是,提供了一个准确的方法来测试网络的鲁棒性在现实的情况下。
2021-04-30 cond-mat.stat-mech physics.soc-ph
Epidemics of Liquidity Shortages in Interbank Markets
流动性冲击的金融传染最近被认为是银行间借贷市场系统性风险的主要驱动因素。基于流行病研究中常用的标准房室模型,本文建立了银行间流动性冲击回响的EDB(Exposed-Distressed-Bankrupted)模型,并在银行同业存款数据的电子市场上进行了验证。我们发现,在2007/2008年全球金融危机开始时,银行间网络极易受到流动性传染的影响,随后银行采取的微观审慎和流动性囤积政策增加了网络对系统性风险的抵御能力-但却带来了市场流动性枯竭的不良副作用。我们最后表明,银行的个人风险更好地捕捉其网络中心性比其参与市场,以及目前争论的概念“太相互关联而不能失败”。
2018-05-16 physics.soc-ph q-fin.RM
Traffic-driven SIR epidemic model on networks
提出了一个新的SIR传染病模型,该模型由网络中的感染包传输驱动。具体地说,感染节点产生并传递感染包,导致疫情的传播,而恢复节点阻止感染包的传递,这抑制了传染病传播。在分组传输中使用由控制参数$α$管理的高效路由协议。通过仿真得到了感染节点的最大瞬时种群、感染节点的最大种群以及相应的最优$α$。我们发现,一般更平衡的负载分布会导致更激烈和广泛的传播网络中的流行病。增加节点的平均度或度分布的均匀性都有利于传染病传播。当数据包生成率$ρ$较小时,增加$ρ$有利于传染病传播。然而,当$ρ$足够大时,出现抑制传染病传播的交通堵塞。
2015-02-18 cs.SI physics.soc-ph
Epidemic Spreading on Weighted Complex Networks
如今,在线服务的出现提供了各种多元关系的信息,以支持对传染病传播过程的全面了解。在这封信中,我们考虑边权重来表示这种多角色关系。此外,我们进行了详细的分析,两个代表性的指标,爆发阈值和流行病流行,SIS和SIR模型。理论和仿真结果都发现彼此很好的协议。此外,实验表明,在完全混合网络中,当网络的平均权值一定时,边的权值分布不会影响网络的传播效果。本文的工作对于深入理解多重关系网络和加权网络上的传染病传播具有一定的指导意义。
2014-02-10 cs.SI physics.soc-ph
Epidemic spreading with immunization rate on complex networks
我们调查疾病,计算机病毒或信息在复杂网络上的传播,以及预防或控制传播的免疫策略。在不能实现全民免疫、免疫效果不理想的情况下,需要进行有免疫率的靶向免疫。在这种情况下,我们计算了SIR和SIS流行病模型的流行病阈值。结果表明,在无标度网络中,只有当免疫率等于1时,目标免疫才是有效的。我们在这里分析传染病传播的有向复杂网络,但类似的结果也适用于无向的。
2011-04-13 cs.SI physics.soc-ph
Epidemic paradox induced by awareness driven network dynamics
研究无标度网络中不同节点意识行为对稳态流行病过程的影响,发现仅感染节点具备意识时流行病规模呈亚线性缩放,引发类似Braess悖论的现象,并强调了影响力节点及异质性的作用。
2025-03-06 cs.SI physics.soc-ph
icon: Fast Simulation of Epidemics on Coevolving Networks
本研究提出一种基于拒绝采样的快速模拟算法,可高效模拟共演化网络上的SIS流行病传播过程,在计算效率上优于标准基线,还揭示了新的传播涌现模式,并开源了相关代码。
2024-10-07 cs.SI physics.soc-ph
Traffic-driven epidemic spreading in correlated networks
尽管人们在复杂网络中的流量动力学和传染病传播方面做了大量的工作,但在{ \em相关}网络上流量驱动的传染病传播问题还没有得到解决。有趣的是,我们发现,流行病的阈值,一个基本量背后的传播动力学,表现出非单调的行为,它可以最小化的一些临界值的传播系数,一个参数表征网络的相关性。为了理解这种现象,我们使用基于度的平均场论来计算相关网络的流量驱动的流行病阈值。该理论预测阈值与分组生成速率和介数矩阵的最大特征值成反比。我们得到理论和数值之间的一致性。我们的研究结果可能会提供洞察到控制/利用现实世界的传染病传播动态驱动的交通流量的重要问题。
2015-07-16 cs.SI physics.soc-ph
Traffic congestion in interconnected complex networks
在过去的十年中,孤立复杂网络中的交通拥塞问题得到了广泛的研究。耦合网络模型是近年来发展起来的一种研究方法,它有助于进一步理解真实的复杂系统。然而,耦合复杂网络中的交通拥塞分析仍然是相对未开发的。在本文中,我们试图探讨在互联BA无标度网络的交通阻塞的影响。我们发现,当节点的处理能力是基于节点的使用概率分配时,竞争性耦合比竞争性和随机耦合更容易缓解交通拥塞。此外,还可以找到最佳的耦合概率为间接耦合。然而,三种类型的耦合偏好实现类似的流量性能,如果所有节点共享相同的处理能力。我们分析了韩国和日本的互联网AS级图,并获得了类似的结果。提出了一些实用的建议,以优化这种现实世界的互联网络。
2014-01-23 cs.SI physics.soc-ph
Dynamic Behavior of Interacting between Epidemics and Cascades on Heterogeneous Networks
传染病传播和连锁失效是复杂网络上两个重要的动力学过程。历史上,它们一直被单独研究。但在现实世界中,这两种动力有时会相互作用。本文将SIR传染病传播模型与局部负荷分担连锁故障模型相结合,提出了一种基于局部负荷分担的连锁故障模型。在该模型中,存在一个容忍参数的临界值,即具有高感染概率的流行病是否能够传播并感染网络的一部分。当容忍度参数小于临界值时,连锁失效切断了大量的路径,阻断了疫情的局部传播。当容忍度参数大于临界值时,传染病扩散并感染网络的一部分。提出了一种估算临界值的方法。在仿真中,我们在Barabási-Albert(BA)网络中验证了该方法的有效性。
2014-05-13 cond-mat.dis-nn physics.soc-ph
Optimizing spreading dynamics in interconnected networks
在互连网络的层之间添加边是优化传播动力学的重要方法。虽然以前的研究大多集中在添加一个边缘的情况下,添加多个边缘的理论上的最优策略仍然需要研究。在本研究中,我们基于易感染-易感染(SIS)模型,研究了互联网络中最大化平稳传播流行率的问题。对于两个孤立的网络,我们通过选择多个互连边来最大化临界点附近的传播流行率。我们提出了一个理论分析的基础上的离散时间马尔可夫链的方法来获得近似的最优策略。该策略预测的最佳层间结构使互联网络的传播流行率最大化,同时使传播爆发阈值最小化。在合成网络和真实网络上的数值模拟表明,在临界点附近,该策略比连接大度节点和随机连接具有更好的性能。
2019-08-09 cs.SI physics.soc-ph
Temporal interactions facilitate endemicity in the susceptible-infected-susceptible epidemic model
身体接触和面对面交流的数据表明,时间变化的网络是人类和动物之间发生感染的媒介。时间网络上的流行病过程由于网络结构和时间维度的复杂性而变得复杂。急需理论方法来确定影响流行病动态的关键因素。特别是,是什么因素使一些时间网络比其他时间网络更强的感染媒介正在争论之中。我们开发了一个理论来理解任意时间网络上的易感染-易感染传染病模型,其中每个接触都在有限的持续时间内使用。我们发现,网络的时间性降低了流行病的阈值,使感染更容易持续在时间的网络比在他们的静态同行。我们进一步证明了不同时刻邻接矩阵的李交换子括号是时间网络中流行阈值的关键决定因素。流行阈值的时间性,这取决于一个数据集的影响,近似预测的换向器规范的大小。
2016-07-09 cond-mat.dis-nn physics.soc-ph
Multidimensional epidemic thresholds in diffusion processes over interdependent networks
几个系统可以被建模为相互依赖的网络集合,其中每个网络包含不同的节点。像疾病传播或信息传播这样的扩散过程构成了在这种耦合网络上发生的基本现象。在本文中,我们提出了一个新的概念,多维流行病的阈值特征的相互依赖的网络上的扩散过程,允许不同的扩散率在不同的网络和任意的度分布。我们解析推导和数值说明多层流行病的条件,即,一个巨大的连接组件的出现跨越了所有的网络。此外,我们研究了传染密度和扩散动力学的演变与广泛的模拟实验合成和真实的网络。
2014-12-26 cs.SI physics.soc-ph
Reaction-Diffusion Processes on Interconnected Scale-Free Networks
研究了互联无标度网络上的两粒子湮灭反应$A+B\rightarrow \emptyset$,采用不同的互联策略。我们探讨了如何混合的粒子和过程的演变的影响,由互连链接的数量,由它们的功能特性,并在使用中的互连策略。我们发现,这个系统上的反应速率比在其他拓扑结构中观察到的,由于更好的颗粒混合,抑制了偏析效应,与以前的研究中进行的单尺度自由网络。
2015-08-13 cs.SI physics.soc-ph
Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - an approach based on multiplex networks
本文研究了多重网络中传染病传播与意识扩散之间的相互作用。在该模型中,传染病可以在代表传染病传播路径的一个网络(接触网络)中传播,导致意识在另一个网络(信息网络)中扩散,然后意识的扩散会导致个体采取社会距离,进而影响传染病传播。对于意识的扩散,我们认为,一方面,个体可以通过信息网络中的其他有意识的邻居获得信息,另一方面,易感个体可以通过接触网络(局部信息)或大众媒体(全局信息)中的被感染邻居诱导自我意识。通过马尔可夫链方法和数值计算,我们发现两个网络的结构和意识的有效传播率会影响感染个体的密度和流行阈值。然而,我们证明了虽然引入自我意识可以降低感染密度,但无论是局部信息还是全局信息,都不会增加流行阈值。我们的发现是显着不同的许多以前的结果-本地信息为基础的行为反应可以改变流行阈值。
2015-02-02 cs.SI physics.soc-ph
Large epidemic thresholds emerge in heterogeneous networks of heterogeneous nodes
网络科学的一个著名结论是,具有异质连接的网络比其更同质的网络更容易受到传染病传播的影响。特别是,在相同节点的网络中,异质性可以降低流行病入侵系统的流行病阈值。因此,网络异质性可以使传播概率较低的疾病持续存在和传播。在这里,我们指出,对于现实世界的应用,这一结果不应该被视为独立的人之间的个体内异质性。我们的研究结果表明,如果考虑到人与人之间的异质性,连接性更异质的网络可以更好地抵抗传染病传播。研究了一类具有适应性疾病回避的易感-感染-易感模型。该模型的结果表明,这种网络异质性效应的逆转可能发生在个体意识到其主观疾病风险的人群中。对于流行病学来说,这意味着不应该孤立地研究网络异质性。
2015-08-04 cs.SI physics.soc-ph
Epidemic spreading on complex networks with general degree and weight distributions
疾病在复杂网络上的传播引起了物理学界的广泛关注。最近的研究表明,异质度和权重分布对流行病动力学有着重要的影响。在这项研究中,一种新的基于边权重的分区方法被开发用于估计具有一般度和权重分布的网络上的流行病阈值和流行病大小(最终感染密度),并且获得了与数值的显著一致性。即使在复杂的网络与强异构度和权重分布,这种方法是工作。我们提出了一种基于边权重的不同偏向的删除策略,发现当优先删除高权重的边时,这种策略可以有效地控制流行病的传播,特别是当网络的权重分布非常不均匀时。理论结果表明,该方法能较准确地预测上述去除效果.
2014-07-03 cs.SI physics.soc-ph
Robustness of Network of Networks with Interdependent and Interconnected links
网络的网络(NON)的鲁棒性仅针对依赖耦合进行了研究(J.X. Gao et.例如,Nature Physics,2012)并且仅用于连接性耦合(E.A. Leicht和R.M. D Souza,arxiv:0907.0894)。具有相互依赖和互连链路的n个网络的网络的情况更复杂,也更接近于现实生活中的耦合网络系统。在这里,我们开发了一个框架来研究分析和数值的鲁棒性,这个系统。对于n个电流变网络的星形网络,我们发现随着耦合强度q的增加,系统经历了从二级到一级的相变。我们发现,增加内部连接或内部连接的链接可以增加系统的鲁棒性,而相互依赖的链接降低其鲁棒性。特别是当q=1时,我们得到了巨分支和一阶跃迁点的精确解析解。了解具有相互依赖和互连链路的网络的网络的鲁棒性有助于设计弹性基础设施。
2013-10-19 cs.SI physics.soc-ph
Exact mean field dynamics for epidemic-like processes on heterogeneous networks
我们证明了SIR流行病的平均场方程可以精确求解任意度分布的网络。我们的精确的解决方案包括减少一个孤独的一阶微分方程的动力学,它有一个解决方案的积分依赖于网络的度分布的功能,并从这个积分重建所有感兴趣的平均场函数。SIR流行病的不可逆转性对于解决方案至关重要。我们还找到了精确的解决方案,性传播疾病SI流行病的二分图,简化的谣言传播模型,并推荐传播的新模型,通过类似的技术。在无标度网络上对这些过程的数值模拟表明了平均场论在大多数情况下的定性有效性。
2012-06-27 cs.SI physics.soc-ph
Epidemic Extinction Paths in Complex Networks
我们研究了有限复杂网络上由固有噪声引起的长寿命传染病的灭绝。将分析技术应用于随机易感-感染-易感模型,我们预测了大波动的分布,最可能的,或通过网络的最佳路径,导致从地方病状态到无病状态,以及一般配置中的平均灭绝时间。我们的预测与蒙特卡罗模拟几个网络,包括合成加权和度分布网络的度相关性,和经验高中接触网络。此外,我们的方法量化的最佳路径和分布的大的波动,无论是附近和远离流行病的阈值,在网络与异构特征向量中心和度分布的特征缩放模式。
2017-04-27 cond-mat.dis-nn physics.soc-ph
Epidemic Variability in Hierarchical Geographical Networks with Human Activity Patterns
近年来,一些研究表明,人类行为的非泊松统计源于等级地理网络结构。基于这一观点,我们将重点放在等级地理网络中的传染病传播,并研究两种不同的接触模式(即:例如,与地理距离相关的均匀时间延迟(HOTD)和非均匀时间延迟(HETD)影响暴发的传播速度和变异性。研究发现,与HOTD和null模型相比,HETD中时延与网络层次的相关性显著减缓了传染病传播,并导致了向上级联的多模态现象.相应地,HETD暴发的变异性值较低,但在较长时间内有多个可比的峰值,这使得传染病传播的长期预测变得困难。当种子(i)例如,初始感染节点)来自网络的高层,显著促进了传染病传播。有趣的是,两种接触模式的变异性出现了不同的趋势:高层次的种子在HOTD导致较低的变异性,HETD的情况下,相反。更重要的是,HETD中高层种子的变异性远大于HOTD,这意味着传染病传播在等级地理网络中的不可预测性。
2012-04-03 cs.SI physics.soc-ph
Role of Subgraphs in Epidemics over Finite-Size Networks under the Scaled SIS Process
在以前的工作中,我们开发了缩放SIS过程,该过程模拟了网络上SIS流行病的动态。通过缩放SIS过程,我们可以考虑有限大小和任意拓扑的网络(即,我们不限于特定类别的网络)。我们推导出的缩放SIS过程的时间渐近概率分布的网络中的所有代理的状态的封闭形式的表达式。平衡分布的这种封闭形式的解通过其邻接矩阵明确地展示了底层网络拓扑。本文确定哪种网络配置是最可能的。我们证明,对于一系列的流行病参数,这个组合问题导致一个子模块优化问题,这是完全可解的多项式时间。我们与网络结构,特别是高密度子图的存在性的最可能的配置。根据流行病参数的不同,代理人的子集可能比其他代理人更有可能被感染;这些更脆弱的代理人形成的子图比整个网络更密集。我们用193个节点的社交网络和4941个节点的美国西部电网在不同的流行病参数下说明了我们的结果。
2014-10-09 cs.SI physics.soc-ph
Epidemic thresholds in directed complex networks
在有向复杂网络中讨论疾病、计算机病毒或信息的传播。我们关心的是SIR和SIS动态模型的传播的稳定状态。在无标度有向网络中,当节点度与出度高度相关时,两种模型的爆发阈值均趋于零。
2011-03-09 cs.SI physics.soc-ph
Resilience of epidemics on networks
复杂网络上的传染病传播已经得到了广泛的研究,大多数是在不变参数的情况下。然而,流行病传播的过程并不总是恒定的。流行病可能受到各种扰动的影响,并可能反弹到被认为具有复原力的原始状态。在这里,我们研究了网络上的流行病的弹性,通过引入不同的感染率${λ_{2}}$在SIS(易感染-易感染)流行病传播模型扰动(控制状态),而感染率是${λ_{1}}$在其余的时间。通过模拟和理论分析,我们发现,即使对于${λ_{2}<λ_{c}}$,如果控制持续时间低于阈值,流行病最终也会反弹。这是流行病恢复能力的关键控制时间,即,${cd_{max}}$可以通过底层网络的直径(${d}$)来预测,具有定量关系${cd_{max}\sim d^α}$。我们的研究结果可以帮助设计更好的流行病缓解策略。
2016-10-16 cs.SI physics.data-an physics.soc-ph
Heterogeneous epidemic model for assessing data dissemination in opportunistic networks
本文研究了一个描述机会网络中数据传播的SIS传染病模型。假设网络节点间传输的数据量服从帕累托分布,即具有无标度特性,我们得到了最终流行病规模的估计。在这种情况下,易感性的异质性越大,意味着流行病的进展越不严重,相反,传染性的异质性越大,流行病就越严重--假设其他参数(异质性或易感性)保持不变。结果是一般性的,可以是有用的,在一般的流行病理论估计的疾病的流行病进展没有显着的获得性免疫-在帕累托分布的情况下举行。
2014-03-27 cs.SI physics.soc-ph q-bio.PE
Nature of the epidemic threshold for the susceptible-infected-susceptible dynamics in networks
我们开发了一种分析方法的易感染的易感(SIS)流行病模型,使我们能够解开真正的起源不存在的流行病阈值在异构网络。我们发现,网络中的高度节点的数量和它们之间的拓扑距离之间的微妙平衡决定了这样一个阈值的存在或不存在。特别是,度分布衰减慢于指数衰减的小世界随机网络在热力学极限下具有消失的流行阈值。
2013-09-12 cond-mat.dis-nn physics.soc-ph q-bio.PE
Optimal Vaccine Allocation to Control Epidemic Outbreaks in Arbitrary Networks
我们考虑通过在网络中分配疫苗接种资源来控制任意接触网络中流行病爆发的传播问题。我们分析了网络版本的易感-感染-易感(SIS)流行病模型时,在网络中的个人呈现不同程度的易感性的流行病。在这种情况下,控制流行病爆发的传播可以写成一个谱条件,涉及依赖于网络结构和模型参数的矩阵的特征值。我们研究的问题,在整个网络中找到疫苗的最佳分布,以控制流行病爆发的蔓延。我们提出了一个凸框架,以找到成本最优的疫苗接种资源的分配时,允许不同的疫苗接种水平。我们还提出了一个贪婪的方法,质量保证的情况下,全有或全无疫苗接种。我们说明了我们的方法在一个真实的社会网络的数值模拟。
2013-03-16 cs.SI math.OC physics.soc-ph
Analysis and Control of Epidemics: A survey of spreading processes on complex networks
本文回顾并提出了各种解决和开放的问题,在发展,分析和控制的流行病模型。我们有兴趣为希望进入复杂网络传播过程领域的新工程师提供一份相对简洁的报告。
2015-08-25 cs.SI math.OC physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播,并防止其感染的信息意识,在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络,和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络,其中两个扩散过程相互作用,相互影响。使用微观马尔可夫链方法(MMCA)的分析揭示了流行病的发病率的相图,并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是,流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值(亚临界点),从该临界点开始,爆发时间增加,流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
Mathematical models for epidemic spreading on complex networks
提出了一个有限复杂网络上的传染病传播模型,该模型限制每个时间步最多只能有一个传染源。由于该过程的高度离散特性,分析不能使用连续近似,而连续近似被广泛用于大多数模型。利用离散方法,我们研究了流行病的阈值和准平稳分布。主要结果是一个定理的混合时间的过程,其规模像对数的网络规模和成正比的距离从流行阈值的倒数。为了全面介绍该模型,我们回顾了基于复杂网络的传染病传播建模的现代方法,并介绍了有关随机网络、离散时间马尔可夫链及其准平稳分布的必要信息。
2013-07-21 cs.SI math.PR physics.soc-ph
Optimal curing policy for epidemic spreading over a community network with heterogeneous population
设计一个有效的治疗政策,能够阻止一个流行病的过程在一个负担得起的成本,必须考虑到人口接触网络的结构,支持传染过程。因此,我们解决了在人群中分配恢复资源的问题,以尽可能低的成本防止流行病在网络中无限期地持续下去。具体地说,我们分析了一个易感染的易感流行病过程的加权图上传播,通过一阶平均场近似。首先,我们描述了接触网络的动态的流行病之间的一个非齐性总体,这可能是分为社区的影响。对于社区网络的情况下,我们的调查依赖于公平分区的图论概念,我们表明,流行病的阈值,对流行病传播的网络鲁棒性的一个关键措施,可以确定使用一个低维的动力系统。利用计算的流行病阈值,我们确定了成本最优的治疗策略,通过解决一个凸极小化问题,它具有一个减少的社区网络的情况下的维数。最后,我们考虑了一个两层的最优固化问题,对于这个问题,我们设计了一个在网络规模下具有多项式时间复杂度的算法。
2017-12-01 cs.SI math.OC physics.soc-ph
Visual Mining of Epidemic Networks
我们展示了如何交互式图形可视化方法的基础上,最大模块聚类可以用来探索一个大型的流行病网络。视觉表示用于显示统计测试结果,这些结果揭示了艾滋病毒在性接触网络中的传播与患者的性取向之间的关系。
2012-10-21 cs.SI physics.soc-ph stat.AP
Epidemic centrality - is there an underestimated epidemic impact of network peripheral nodes?
在SIR模型中研究经验复杂网络上的疾病传播时,初始感染节点可以根据其流行病影响程度进行排序。排名最高的节点,也被称为“超级传播者”,与主要流行病风险有关,因此值得特别关注。在研究经验复杂网络的模拟中,它表明,排名取决于疾病传播的动力学制度。一个可能的机制,导致这种依赖说明在一个易于分析的例子。在系统中的资源分配,以对抗疾病传播到各个节点是基于他们的排名,疾病传播的动态政权往往是未知的疾病爆发之前。因此,我们引入了一个称为流行病中心性的数量,作为疾病传播的所有相关制度的平均值,作为排名的基础。最近引入的概念的相图的传染病传播被用作一个框架,其中几种类型的平均进行了研究。流行中心性相比,节点的结构属性,如节点度,k-核心和介数。随着度和k-核值的增加,流行中心性有增加的趋势,但流行中心性的变化远小于度和k-核值的变化。研究发现,结构外围节点的流行中心性与结构中心节点的流行中心性具有相同的数量级。这些研究结果的影响资源分配,以对抗疾病的传播进行了讨论。
2012-08-08 cs.SI physics.soc-ph q-bio.PE
Competing activation mechanisms in epidemics on networks
以前的普遍观点认为,异质网络中的流行病活动是由连接数量最多的枢纽控制的,而最近的研究指出,网络最里面的密集核心在维持流行病过程中发挥着作用。在这里,我们表明,负责传播的机制取决于该过程的性质。具有暂时状态的流行病是由最内层的核心推动的。首先,允许稳定状态的流行病呈现出双重场景,其中要么枢纽独立地维持活动并将其传播到系统的其余部分,要么最内部的网络核心集体进入活动状态,在全球范围内维持它。在不相关的网络中,如果度分布以大于5/2的指数衰减,则前者机制占主导地位,否则后者占主导地位。在真实网络中普遍存在的拓扑相关性可能会扰乱这一图景,混淆这两种机制的作用。
2012-05-03 cond-mat.stat-mech cs.SI physics.soc-ph
Burstiness in activity-driven networks and the epidemic threshold
研究了时间网络中异质时间激活对传染病传播的影响。研究了具有突发性的活动驱动网络中的易感染-易感染(SIS)模型。通过使用基于活动的平均场方法,我们推导出一个封闭的分析形式的流行病阈值的任意活动和事件间的时间分布。我们发现,正如预期的那样,突发性降低了流行阈值,而其对患病率的影响是双重的。在低传染率系统中,突发性增加了平均传染概率,而在高传染率系统中,突发性减弱了传染病传播。我们的研究结果可以帮助澄清文献中报道的突发性的相互矛盾的影响。我们还讨论了在过渡的缩放属性,表明它们不受突发性。
2019-05-27 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic fronts in complex networks with metapopulation structure
在复杂网络上,人们对感染动力学进行了广泛的研究,深入了解了接触模式的异质性对疾病传播的影响。有些单独的,集合种群提供了一个范例,空间扩展和“补丁”组织的系统建模。在本文中,我们扩展使用多类型的网络结合这些范例,使简单的传染模型可以包括复杂的代理相互作用和多尺度结构。首先,我们提出了一个推广的Volz-Miller平均场近似的易感-感染-感染(SIR)动力学的多类型网络。然后,我们使用这种技术来研究传染病前沿在一维网格互连网络上传播的特殊情况-代表一个简单的耦合人口中心链-作为理解宏观尺度疾病传播如何依赖于微观尺度拓扑结构的必要的第一步。使用不稳定状态的前传播的形式主义,我们推导出的线性传播的有效传输系数:渐近速度,特征波长,和扩散系数的前沿拉锋,并分析其依赖于底层的图形结构。我们还推导出系统的流行阈值,并研究了各种网络配置的前端配置文件。据我们所知,这是第一次将前沿传播概念应用于随机网络模型。
2013-04-20 physics.soc-ph q-bio.PE
Generalized individual-based epidemic model for vulnerability assessment of correlated scale-free complex networks
许多复杂的网络表现出对流行病传播的脆弱性,这种脆弱性与病毒株以及网络特性有关。例如,网络的结构在流行病的传播中起着重要作用。此外,以前的流行病模型的属性需要复杂网络结构的先验知识,这意味着模型仅限于众所周知的网络结构。本文提出了一个新的基于连续时间马尔可夫链的流行病SIR模型,并将其推广到任何类型的网络。新模型能够评估网络中每个个体的状态。通过数学分析,我们证明了存在一个流行病阈值,低于该阈值,流行病不会在网络中传播。我们还表明,新的流行阈值是成反比的网络的谱半径。特别是,我们采用新的流行病模型作为一种新的措施,以评估网络的脆弱性,流行病的传播。新的衡量标准考虑了一种流行病可能拥有的所有可能的有效感染率。接下来,我们将该测度应用于相关网络,以评估离散和离散无标度网络的脆弱性。最后,我们通过大量的数值模拟验证了理论流行阈值的准确性。在测试网络的集合中,数值结果表明,离散无标度网络比离散无标度网络更容易受到流行病的传播。
2010-04-10 physics.soc-ph
FastSIR Algorithm: A Fast Algorithm for simulation of epidemic spread in large networks by using SIR compartment model
研究了SIR(Susceptible Infected Discovered)房室模型下任意复杂网络上的流行病传播问题.我们提出了一个朴素的SIR算法的网络上,有效地使用数据结构,以减少运行时间的流行病模拟传播的实现。朴素SIR算法模拟完整的流行动态,可以很容易地升级到并行版本。我们还提出了一种新的算法,称为FastSIR算法,具有更好的平均情况下运行时间比天真SIR算法的网络上的流行病模拟传播。FastSIR算法利用感染节点数的概率分布,以常数因子减少平均案例运行时间。此外,FastSIR算法没有及时跟踪流行动态,但仍然捕获所有感染转移。此外,我们还提出了一个有效的递归方法来计算感染节点数的概率分布。推导了两种算法的平均运行时间,并在五个不同的经验复杂网络上进行了实验分析。
2012-02-08 cs.DS cs.SI physics.soc-ph
Epidemic Spreading in Weighted Networks: An Edge-Based Mean-Field Solution
权重分布在很大程度上影响网络上发生的传染病传播。本文研究了具有不同权分布的正则随机网络上的易感-感染-易感模型。仿真结果表明,更均匀的权重分布导致更高的流行病,不幸的是,这是不能捕捉到的传统的平均场近似。本文给出了一般权值分布的基于边缘的平均场解,该解能定量再现仿真结果。该方法可用于表征加权网络动力过程的非平衡稳态。
2011-12-24 cs.SI physics.data-an physics.soc-ph
Beyond network structure: How heterogenous susceptibility modulates the spread of epidemics
用于研究传染病传播的房室模型通常假设所有个体的易感性相同,因此,不知道易感性差异对传染病传播的影响。在这里,我们表明-SIS模型-差分易感性可以使网络更容易受到疾病的传播时,节点的程度和易感性之间的相关性是积极的,而不那么脆弱时,这种相关性是负的。此外,我们发现,当个体更有可能与具有相似易感性的其他人联系时,网络更有可能包含感染的口袋(网络是隔离的)。这些结果表明,不包括差分易感性的流行病模型可能会导致一个系统的过/下估计的基本流行病参数时,网络的结构是不独立的节点的易感性,或当有相关性的易感性连接的个人。
2014-03-10 cs.SI physics.soc-ph q-bio.PE
Simulation of the COVID-19 pandemic on the social network of Slovenia: estimating the intrinsic forecast uncertainty
本文在一个简化的社会网络上建立了一个病毒传播模型。该社交网络由200多万个节点组成,每个节点代表斯洛文尼亚的一个居民。节点根据真实的家庭和老年人护理中心分布进行组织和互连,而这些集群之外的连接是半随机分布和完全链接的。将病毒传播模型与疾病进展模型耦合。集成方法与扰动的传输和疾病参数被用来量化的合奏传播,预测的不确定性的代理。所呈列的斯洛文尼亚COVID-19疫情持续预测与收集到的斯洛文尼亚数据进行比较。结果表明,目前感染在家庭/老年人护理中心内传播的可能性是在家庭/老年人护理中心外传播的两倍。我们使用模拟集合(N = 1000)来反向获得模型参数的后验分布,并估计COVID-19预测的不确定性。我们发现,在不受控制的流行病中,内在的不确定性主要来源于病毒生物学的不确定性,即其繁殖数。在低感染率的受控流行病中,社会网络的随机性成为预测不确定性的主要来源,特别是对于短期预测。因此,基于社会网络的模型对于改进流行病预测至关重要。
2020-05-27 cs.SI physics.soc-ph q-bio.PE