Can Scale-free Network Growth with Triad Formation Capture Simplicial Complex Distributions in Real Communication Networks?
近年来,人们越来越认识到高阶结构是现实世界网络的重要特征。有一类特殊的结构已经获得了显著的地位,被称为单纯复形。尽管他们的应用程序复杂的过程,如社会传染和新颖的措施的中心性,目前还没有太多的了解这些复杂的通信网络中的分布特性。此外,这也是一个悬而未决的问题,是否已建立的增长模型,如无标度网络增长与三元组的形成,是复杂到足以捕捉的分布特性的单纯复形。在本文中,我们使用五个真实世界的通信网络的经验数据,提出了两个重要的单纯形复杂结构的分布函数形式。我们还表明,虽然无标度网络增长模型与三合会的形成捕获的形式,这些分布在网络中使用该模型演变,最佳拟合参数是显着不同的真实网络和它的模拟等效。一个辅助的贡献是这五个现实世界的网络中的两个单纯复合体的经验概况。
2022-03-12 cs.SI physics.soc-ph
Modeling Citation Trajectories of Scientific Papers
文献中已经提出了几种网络增长模型,试图将引文网络的属性。一般来说,这些模型的目标是保持在现实世界的网络中观察到的度分布。在这项工作中,我们将探讨现有的网络增长模型是否可以实现的多样性,在引文增长所表现出的个别文件-一个新的节点为中心的属性最近观察到的引文网络在多个领域的研究。我们从理论和实证上表明,网络增长模型,这是完全基于度和/或内在的适应度不能实现某些时间的增长行为,在现实世界中观察到的引文网络。为此,我们提出了两个新的增长模型,本地化的影响,通过适当的附件机制的文件。在计算机科学和物理学领域的真实引文网络上的实验结果表明,与现有模型相比,本文提出的模型能更好地解释引文网络的时间行为。
2020-02-18 cs.SI physics.soc-ph
Growth Dynamics of Value and Cost Trade-off in Temporal Networks
问题是:现实世界的网络发生了什么,导致它们不能永久增长?这里的想法是,现实世界的网络必须支付增长的成本。我们研究了在同时考虑成本和偏好连接的网络中价值和成本的增长和权衡。由于BA模型中的优先连接不考虑任何停止对网络的无限增长,我们介绍了一个修改版本的BA模型的优先连接。这个想法是有道理的,因为真实网络的增长可能是有限的。在本研究中,通过结合时间网络(区间图)科学中的偏好连接,以及建立链接的价值和成本的一阶微分方程,说明了一个不断发展的网络的未来均衡。在取得竞争优势的过程中,除了内部结构性成本外,还可能出现竞争成本等不利于企业成长的变量。最后,通过应用这一改进的模型,我们发现在这种情况下,价值和成本之间的权衡出现。
2020-08-14 cs.SI physics.soc-ph q-fin.MF
Emergence of an Onion-like Network in Surface Growth and Its Strong Robustness
我们数值研究,最佳的强大的洋葱状网络可以出现,即使在假设一个空间嵌入的交通或通信系统的表面生长的约束。为了像洋葱一样,适度长的链接在通过社会组织理论启发的中介的依恋中是必要的。
2019-05-13 cs.SI nlin.AO physics.soc-ph
Beyond the Steady-State: Analytical Study of Network Growth at Arbitrary Times, for Arbitrary Initial Conditions
在研究网络增长时,传统的方法是设计一个增长机制,量化统计量或分布(如度分布)的演变,然后在稳态(无限大小限制)下求解方程。因此,实证研究也试图在实际数据中验证稳态预测。将分析限制在这个时间范围内的警告是,没有一个真正的系统是无限大的;大多数真正的增长网络远离稳定状态。这强调了有限尺寸分析的重要性。在本文中,我们考虑的移位线性偏好连接作为一个说明性的例子,任意时间的网络增长分析。我们得到了任意初始条件下任意时刻的度分布。我们证实了我们的理论预测与蒙特卡罗模拟。
2014-11-03 cond-mat.stat-mech cs.SI physics.soc-ph
Network Growth From Global and Local Influential Nodes
在图论和网络分析中,节点度被定义为一个简单但强大的中心性,用来衡量复杂网络中节点的局部影响力。基于节点度的优先连接模型已被广泛应用于网络增长建模。然而,许多证据表明,真实的网络增长偏离了纯粹的基于度的模型。看来节点度并不是预测新成员加入网络偏好的可靠指标,或者至少,它不能说明整个故事。在本文中,我们认为,有另一个维度的网络增长,我们称之为节点的“核心”。与度度量提供的局部视图相比,新的维度可以洞察节点的全局影响力。我们发现,现有节点吸引新节点的概率一般遵循指数依赖于节点的核心,而在同一时间,遵循幂律依赖于节点度。也就是说,高核心度节点比高度节点在吸引新成员方面更强大。新的维度进一步揭示了网络成长过程中隐藏的一些现象。随着时间的推移,节点度对新成员的吸引力逐渐增大,而核心度的影响力逐渐减小,最终达到一种均衡的增长状态。所有这些理论都在现实世界的网络上得到了验证。
2021-02-22 cs.NI cs.SI physics.soc-ph
Growth signals determine the topology of evolving networks
网络科学为研究现实复杂系统的结构和功能提供了不可或缺的理论框架。不同的网络模型通常用于寻找控制其演变的规则,因此正确选择模型细节对于获得相关见解至关重要。在这里,我们研究如何与老化节点模型生成的网络的结构取决于增长信号的属性。我们使用不同的波动信号,并比较结构的不同之处的网络与一个恒定的增长信号。我们表明,网络的幂律度分布,这是随着时间的变化而变化的增长信号,相关和聚类,而网络获得一个恒定的增长信号没有。事实上,生长信号的性质显著地决定了所获得的网络的拓扑结构,因此在复杂系统的模型中应该被突出地考虑。
2020-09-01 physics.soc-ph
Sublinear but Never Superlinear Preferential Attachment by Local Network Growth
我们研究一类基于重定向算法的网络增长规则,其中新节点通过以一定概率1-r链接到随机选择的目标节点或以概率r链接到目标节点的父节点来添加到网络。对于固定的0<r<1,重定向算法等价于线性优先连接。我们表明,当r是一个衰减函数的程度的父的初始目标,重定向算法产生次线性优先连接网络的增长。我们还认为,没有本地重定向算法可以产生超线性优先连接。
2013-02-19 cond-mat.stat-mech cs.SI physics.soc-ph
Time-invariant degree growth in preferential attachment network models
偏好依恋驱动着许多复杂网络的进化。它的分析研究主要考虑最简单的情况,即尽管许多真实网络在加速增长,但网络在时间上均匀增长。出于观察到的平均度增长的节点是时不变的经验网络数据,我们研究的程度动态的优先连接相结合的异构节点的健身和老化的相关类的网络模型。我们提出了一个新的分析框架的基础上所研究的系统的时间不变性,并表明它是自洽的两个特殊的网络增长形式:均匀和指数网络增长。相反,这种时间不变性的破坏解释了某些模型设置中的赢家通吃效应,揭示了比安科尼-巴拉巴西模型中的玻色-爱因斯坦凝聚与超线性优先附着中的类似凝胶化之间的联系。老化是必要的,以重现现实的节点度增长曲线,并可以防止弱条件下的赢家通吃的效果。我们的结果得到了广泛的数值模拟验证。
2020-01-22 cond-mat.stat-mech cs.CY cs.SI
Centrality Fingerprints for Power Grid Network Growth Models
在我们以前的工作中,我们已经表明,佛罗里达州电网的许多属性再现确定性网络增长模型的基础上最小化的能量耗散$E_\mathrm{diss}$。由于没有$a~ priori$最好的$E_\mathrm{diss}$最小化的增长模型,我们在这里提出了一个工具,称为“中心指纹”,用于探测不同的增长模型的行为。中心性指纹是当前流入/流出网络的流量与在增长过程的每一步计算的各种中心性度量值的比较。最后,我们讨论了马里兰州电网的应用。
2015-05-06 physics.soc-ph
Effects of accelerating growth on the evolution of weighted complex networks
许多真实系统具有加速统计,其中边的总数增长得比网络大小更快。本文提出了一个简单的具有加速增长的加权网络模型。我们推导出解析表达式的演变和分布的强度,程度和重量,这是相关的加速增长。我们还发现,加速增长决定了网络的聚类系数。有趣的是,强度,度和重量的分布显示从无标度的指数形式的过渡时,加速增长的参数从一个小到大的值增加。所有的理论预测成功地与广泛的数值模拟进行了对比。
2008-10-01 physics.soc-ph
Model for the growth of the World Airline Network
我们提出了一个概率增长模型的运输网络,它采用了流行的节点和节点之间的物理距离之间的平衡。通过比较模型网络和WAN中每个节点的度,我们观察到对于$α\approx 2$,两者之间的差异最小化。有趣的是,这是为WAN中的节点-节点关联函数获得的值。这表明我们的模型很好地解释了航空公司网络的增长。
2016-01-30 physics.soc-ph
A new design principle of robust onion-like networks self-organized in growth
当今的经济、生产活动和我们的生活是由社会和技术网络基础设施来支撑的,而近年来在网络科学中发现了破坏环路的网络攻击的新威胁。我们反过来考虑到的弱点,并提出了一个新的设计原则,逐步增长的强大的网络。网络是通过增强交织的长环自组织的。特别是,我们考虑了有限范围的近似链接的中间在几个跳,并显示出强大的鲁棒性的增长,而不降低路径的效率。此外,我们证明了连通性的容忍度是可改造的,即使从非常脆弱的真实网络,根据我们提出的增长过程与一些投资。这些结果可能为我们的网络基础设施的未来发展指明了一个方向。
2017-06-13 cond-mat.dis-nn cs.SI nlin.AO
Network Growth via Preferential Attachment based on Prisoner's Dilemma Game
在这篇文章中,我们讨论了基于囚徒困境(PD)的网络增长,其中网络中节点上的玩家与其链接的玩家进行游戏。玩家在PD中估计总利润。当一个新的节点被连接时,该节点与网络中的节点建立链接,其概率与游戏所获得的利润成比例。重复这个过程,网络就成长了。通过计算机模拟,我们研究了这类增长网络的性质,特别是度分布和时间依赖策略分布。我们还发现了一种相变的策略分布。对于计算机模拟给出的这些现象,也进行了理论研究。
2007-09-12 physics.soc-ph
Network effects in a human capital based economic growth model
我们重新审视了最近引入的代理模型[ACS { \bf 11},99(2008)],其中经济增长是教育(人力资本形成)和创新的结果,并调查代理人的社会网络的影响,无论是对代理人的决定,以追求教育和新的想法的输出。规则和随机网络被认为是。的平均场(代表剂)模型的预测结果进行了比较。
2009-02-06 physics.soc-ph q-fin.GN
Planar growth generates scale free networks
在本文中,我们介绍了一个模型的空间网络增长中的节点被放置在随机选择的位置上的一个单位正方形$\mathbb{R}^2$,形成新的连接到旧的节点的约束,边不交叉。该网络具有幂律度分布、高聚类性和小世界特性。我们认为,这些特点是网络形成过程的两个定义功能的后果;增长和平面性保护。我们证明了该模型可以被理解为随机阿波罗增长的一个变体,并进一步提出了一个单参数的模型族,其中随机阿波罗网络和确定性阿波罗网络作为极端情况,我们的模型作为它们之间的中点。然后,我们放宽了平面性约束,允许边缘交叉与一定的概率,并找到一个平滑的交叉幂律指数度分布时,这种概率增加。
2016-02-11 cond-mat.dis-nn physics.soc-ph
Preferential attachment: a multi-attribute growth process generating scale-free networks of different topologies
本文扩展了基于度的优先连接增长过程的考虑,并应用五种不同的连接标准(节点度,聚类系数,介数中心性,接近中心性,和特征向量中心性)来定义网络中新链接的发展。基于统计推断的分析表明,所有可用的控制属性都能生成SF网络,所提出的广义偏好附着生长过程在不同的控制属性下生成具有统计上不同拓扑结构的网络,介数中心性是生成拓扑结构更优的控制属性网络.总体而言,本文介绍了一个多维的概念化的偏好连接,这可以激励进一步的研究,并可以提供新的工具,为现实世界的网络,目前不能完全解释度驱动的BA模型的建模和解释。
2020-01-15 physics.data-an physics.soc-ph
Scaling up real networks by geometric branching growth
真正的网络通常是通过连续添加新节点来连接图中的旧节点。然而,许多真实的系统是通过基本单位的分支而进化的,无论这些基本单位是科学领域、国家还是物种。在这里,我们提供了经验证据的网络结构的自相似增长在现实系统的演化,并提出了几何分支增长模型,预测这种演变,并解释了观察到的对称性。该模型产生多尺度展开的网络在一系列的规模扩大的副本保留网络功能,包括集群和社区结构,在所有尺度。在实际情况下的实际应用包括调整网络的大小,以最佳的外部影响和有限尺寸标度,以评估随机链路故障下的关键行为。
2020-06-29 cond-mat.dis-nn physics.soc-ph
The Structure and Growth of Weighted Networks
我们开发了一个简单的理论框架,加权网络的演变,是符合一些风格化的功能,现实世界的数据。在我们的框架中,Barabasi-Albert模型的网络演化的扩展,假设链接权重的演变根据几何布朗运动。我们的模型是通过模拟和真实世界的贸易数据进行验证。我们表明,该模型正确预测的强度和增长分布的链接,增长的链接权重的大小方差关系,度和强度之间的关系的节点,以及网络的无标度结构。
2009-12-22 physics.data-an physics.soc-ph q-fin.GN
Developmental time windows for spatial growth generate multiple-cluster small-world networks
许多网络在空间上延伸,可以是度量的(例如地理的)或非度量的(序数的)。空间网络增长依赖于节点之间的距离,可以产生从小世界到线性无标度网络的各种拓扑结构。然而,网络往往缺乏多个集群或社区。但是,如果在开发过程中有时间窗口,则可以生成多个集群。时间窗口确保网络的区域在不同的时间点建立联系。这种新方法可以生成小世界网络,但不是无标度网络。由此产生的拓扑结构严重依赖于时间窗口的重叠以及先锋节点的位置。
2008-02-18 physics.soc-ph q-bio.NC
How production networks amplify economic growth
技术进步是长期经济增长的最重要原因。我们研究了在生产网络中技术改进的影响,在生产网络中,每个生产者购买投入品并将其转换为其他商品,将产品出售给家庭或其他生产者。我们展示了这个网络如何放大技术进步的影响,因为它们沿着生产链传播。一个行业的生产链越长,价格下降的速度越快,而一个国家的生产链越长,国内生产总值增长的速度越快。这些预测与数据吻合得很好,并随着时间的推移而改善,表明生产链对价格变化和长期产出增长具有关键影响。
2021-11-17 physics.soc-ph q-fin.GN
Conflicting attachment and the growth of bipartite networks
人们提出了简单的生长机制来解释看似普遍的网络结构的出现。被广泛研究的偏好连接模型假设新节点更有可能连接到高度连接的节点。偏好连接解释了复杂网络中无标度分布的出现。然而,它与许多网络系统不兼容,特别是两种不同类型的代理交互的二分系统。例如,在宿主-寄生物系统中添加新的链接对应于寄生物对宿主的感染。增加连接性对寄生虫有利,对宿主有害。因此,整个网络连接受到相互冲突的压力。在这里,我们提出了一个随机网络增长模型的冲突附件,灵感来自一种特殊的寄生虫-宿主的相互作用:病毒与微生物宿主的相互作用。网络增长的机制包括对网络密度的冲突偏好以及根据这些偏好修改网络连接所涉及的成本。我们发现,由此产生的网络表现出现实的模式,通常观察到的经验数据,包括出现嵌套,模块化,嵌套模块化结构,表现出这两个属性。我们研究了利益冲突在塑造网络结构中的作用,并评估了将更现实的增长过程与由对抗和互利互动所支配的系统中的模式联系起来的机会。
2016-01-26 physics.soc-ph q-bio.PE
Network Growth with Feedback
现有的网络增长模型通常有一个或两个参数或策略,这些参数或策略在任何时候都是固定的。我们介绍了一个一般的框架,在网络的当前状态的反馈是用来动态地改变这些参数的值。分析了一个特定的模型,其中有限的资源在到达的节点之间共享,所有节点都争着连接到根节点。我们发现,可调反馈导致更大,更有效的网络的增长。精确的结果表明,线性缩放的资源与系统的大小产生交叉到一个平凡的凝聚态,这可能是相当大的延迟与次线性缩放。
2009-01-07 cond-mat.stat-mech cs.NI physics.soc-ph
Developmental time windows for axon growth influence neuronal network topology
早期的大脑连接发展包括多个阶段:神经元的诞生,它们的迁移以及轴突和树突的随后生长。每个阶段都发生在一定的时间内,这取决于神经元和皮质层的类型。通过在所有神经元的相似时间(大量重叠的时间窗口)或在不同时间点(较少重叠)开始生长轴突来形成神经元之间的突触可能会影响神经元网络的拓扑和空间特性。在这里,我们探讨了轴突形成的极端情况,特别是在早期发育过程中的短距离连接,无论是在同一时间开始的所有神经元(平行,即最大重叠的时间窗口)或发生在每个神经元分别一个接一个(串行,即没有重叠的时间窗口)。在这两种情况下,潜在的和建立的突触的数量仍然相当。拓扑和空间特性,但是,不同的:神经元,开始轴突生长早期在串行增长实现了更高的出度,更高的本地效率,和更长的轴突长度,而神经元表现出更均匀的连接模式,并行增长。第二,连接概率下降更迅速地与神经元之间的距离平行生长比串行生长。第三,双向连接更多,平行增长。最后,我们用C测试了我们的预测。elegans数据。总之,这表明轴突生长的时间窗口影响神经元网络的拓扑和空间特性,从而有可能基于发达网络的网络特性来后验估计发育机制。
2015-03-13 physics.bio-ph physics.soc-ph q-bio.NC
Realistic network growth using only local information: From random to scale-free and beyond
我们介绍了一个简单的单参数网络增长算法,它能够再现各种各样的现实网络结构,但无需调用任何全球信息的节点度,如偏好连接概率。无标度网络产生于准随机网络和准有序网络之间的过渡点。我们提供了一个详细的形式主义,准确地描述了整个网络范围内,包括这个临界点。我们的形式主义是建立在一个统计描述的节点间的联系,而不是单节点的程度,并可以应用于任何现实世界的网络-特别是,那些节点的节点度相关性可能是重要的。
2006-09-04 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Correlated Growth of Causal Networks
本文提出因果网络通用增长框架,纳入因果与动态两类关联,解析证明度关联源于边际依赖,理论预测与四个创新网络数据定量吻合,揭示拓扑关联起源。
2025-02-24 cond-mat.stat-mech nlin.AO physics.data-an
Size Dependent Growth in Metabolic Networks
对复杂网络的结构进行准确的判定和分类是当前研究的热点。一类特别感兴趣的网络是代谢途径,以前已经从图论的角度以多种方式进行了研究。代谢网络描述了细胞内的化学反应,因此从生物学的角度来看是最重要的。在这里,我们分析代谢网络的一部分微生物,使用一系列的指标,并试图解决观察到的指标和当前描述的图形结构之间的异常。我们建议,网络的增长可能在某种程度上受到网络大小的调节,并尝试使用生成方法来重现具有与代谢途径相似指标的网络。我们提供了一些假设,为什么生物网络可能会根据这些模型的标准。
2012-10-09 math-ph math.MP physics.soc-ph