How Predictable are Symptoms in Psychopathological Networks? A Reanalysis of 18 Published Datasets
背景对精神病理学数据的网络分析集中在网络结构及其衍生物,如节点中心性。从中心性度量可以得出的一个结论是,具有最高中心性的节点可能是由其相邻节点决定最多的节点。然而,中心性是一个相对的度量:知道一个节点是高度中心的,并不能提供关于它在多大程度上被它的邻居所决定的信息。在这里,我们提供了一个节点的确定性(或可控性)的绝对度量-它的可预测性。我们介绍了可预测性,估计所有节点的可预测性,在18个以前的经验网络论文精神病理学,并统计它的中心性。方法我们进行了文献综述,并收集了25个数据集,从18篇已发表的论文在该领域(几个情绪和焦虑障碍,药物滥用,精神病,自闭症和transdiagnosis数据)。我们将最先进的网络模型拟合到所有数据集,并计算所有节点的可预测性。结果可预测性与样本量无关,大多数症状网络的可预测性中等偏高,并且数据集内和数据集之间存在相当大的差异。社区的可预测性高于临床样本,情绪和焦虑障碍的可预测性最高,精神病的可预测性最低。结论可预测性是症状网络的一个重要的附加特征,因为它给出了每个节点可控性的绝对度量。它允许关于症状网络如何自我决定的结论,并可能有助于为干预策略提供信息。可预测性的局限性以及未来的发展方向进行了讨论。
2017-06-20 physics.soc-ph q-bio.NC
Goal quest for an intelligent surfer moving in a chaotic flow
Université de Toulouse(图卢兹大学)
本文研究混沌流中智能冲浪者在Ulam网络上的最优路径搜寻问题,提出一种基于前向与反向网络Erdös数交集分形集合的算法,使搜寻转移次数仅随网络规模对数增长,并证明其指数级优于朴素策略。
2023-06-26 cond-mat.stat-mech cs.AI nlin.CD
Information transmission on hybrid networks
现实世界中的许多通信网络往往具有固定节点和移动模式的混合性质,例如主要由固定基站和移动电话组成的移动电话网络。本文讨论了移动节点和固定节点混合网络中的信息传输过程。固定节点(基站)在形成信息承载骨干的平面上连接为空间网格,而作为信息分组的源和目的地的移动节点(用户)分别连接到它们当前最近的固定节点以递送和接收信息分组。我们观察到在混合网络中的流量负载的相变时,数据包生成率从低于,然后高于一个临界值,这措施的网络容量的数据包交付。我们得到的最佳速度移动节点导致最大的网络容量。我们进一步提高网络容量,通过重新布线的固定节点,并考虑当前负载的固定节点在数据包传输。目的是从网络科学的角度优化混合网络的网络容量,为未来通信基础设施的建设提供一些启示。
2017-04-17 cs.NI physics.soc-ph
Fast Moving Sampling Designs in Temporal Networks
在一项与此相关的研究中,我建立了一个时间网络模拟环境,用于评估网络干预策略。网络干预策略包括抽样设计,以选择网络中的节点。对样本中的节点进行干预,以便以某种期望的方式改变更广泛的网络。网络干预策略可以表示自然代理,例如在网络中传播的病毒,防止或减少病毒传播的程序,以及在形成和消除创建,维护或改变网络的链接中的个体节点(例如人)的代理。本文件探讨理想化版本的抽样设计用于该研究。其目的是更好地理解自然和人类的网络设计在真实情况下,并提供一个简单的推断设计为基础的属性,反过来衡量性能的时变网络。设计使用链接跟踪,有时使用其他概率程序来向样本中添加单元,并有一个持续的损耗过程,通过该过程将单元从样本中删除。
2015-11-30 cs.SI physics.soc-ph stat.ME
A smart local moving algorithm for large-scale modularity-based community detection
我们介绍了一种新的算法,在大型网络中基于模块的社区检测。该算法,我们称之为智能本地移动算法,利用了一个众所周知的本地移动启发式,也被其他算法使用。与其他算法相比,我们提出的算法使用本地移动启发式在一个更复杂的方式。基于对一组不同网络的分析,我们证明了我们的智能局部移动算法识别出的社区结构具有比其他大规模模块化优化算法更高的模块化值,其中包括Blondel等人(2008)介绍的流行的“Louvain算法”。我们的算法的计算效率使得它可以在网络中执行社区检测与数以千万计的节点和数亿条边。我们的智能本地移动算法在中小型网络中也表现良好。在很短的计算时间内,它识别出的社区结构的模块化值与文献中报道的最高值一样高,或几乎一样高,有时甚至高于文献中发现的最高值。
2013-08-29 cs.SI physics.data-an physics.soc-ph
Node-weighted recurrence analysis for path dynamics on networks
Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所);Technical University Berlin(柏林工业大学)
本文探讨了网络路径动力学中复发分析的应用,发现路径在网络上的复发模式有助于理解网络结构和动态,以及路径与网络的相互作用。
2026-04-21 nlin.CD physics.soc-ph
Adaptive network models of collective decision making in swarming systems
我们考虑一类自适应网络模型,其中链接只能在不同状态的节点之间创建或删除。这些模型提供了一组系统的近似描述,其中节点表示在物理或抽象空间中移动的代理,每个节点的状态表示代理的前进方向,并且链接表示相互意识。我们分析表明,自适应网络描述捕捉集体运动的相变在群集系统,这种转变的属性是由每个代理可以访问的状态(离散航向方向)的数量。
2015-07-29 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Tracing the Attention of Moving Citizens
随着移动计算设备在当代社会的广泛使用,我们在物理空间和虚拟世界中的轨迹越来越紧密地联系在一起。使用$1 \times 10^5$用户30天内的匿名智能手机数据,我们构建了移动网络和注意力网络,以研究在线和离线人类行为之间的相关性。在移动网络中,节点是物理位置,边表示位置之间的移动,而在注意力网络中,节点是网站,边表示用户在网站之间的切换。我们应用盒子覆盖方法对网络进行重正化。所研究的网络性质包括盒$l_B$的大小和盒$N(l_B)$的数目。我们发现两种普遍的行为:移动网络的特点是由一个小世界的属性,$N(l_B) \simeq e^{-l_B}$,而注意力网络的特点是由一个自相似的属性$N(l_B) \simeq l_B^{-γ}$。特别地,随着盒子$l_B$长度的增加,网络的度相关性由正向负变化,表明移动性网络存在两层结构。我们使用网络重正化的结果来检测社区并映射移动网络的结构。此外,我们还定位了这些社区中访问的最相关的网站,并确定了三种典型的基于位置的行为,包括购物,约会和打车。最后,我们提出了一个修正的几何网络模型来解释我们的研究结果的角度来看,空间约束型依恋。
2016-07-11 cs.CY cs.SI physics.soc-ph
Robustness of scale-free networks to cascading failures induced by fluctuating loads
考虑到实际功能网络中的过载故障通常是由超过允许范围的时间波动负载的极值引起的,我们研究了无标度网络对波动负载引起的级联过载故障的鲁棒性。在我们的模型中,负载被描述为在网络上移动的随机步行者,当节点上的步行者的数量超过节点的容量时,节点失效。我们使用生成函数方法得到的结果表明,无标度网络比均匀度分布的Erdens-Rényi随机图对级联过载故障更具鲁棒性。这一结论与以往忽略负荷波动影响的研究结果相反。
2015-07-01 cond-mat.stat-mech cs.SI physics.soc-ph
Motion-induced synchronization in metapopulations of mobile agents
我们研究了运动的影响,出现在一个集合种群的随机步行者移动的异构网络上的同步,并受到仓本相互作用在网络节点。我们发现了一种新的机制,过渡到宏观动力学秩序诱导的步行者的运动。此外,我们观察到两种不同的微观路径同步:根据运动的规则,无论是低度节点或枢纽驱动整个系统走向同步。我们提供分析参数来理解这些结果。
2013-04-15 cond-mat.stat-mech nlin.CD physics.soc-ph
Node and layer eigenvector centralities for multiplex networks
基于特征向量的中心性测度是网络科学中最流行的中心性测度之一。其基本思想是直观的,在标准的单层网络框架中,数学描述非常简单。此外,几个有效的计算工具可用于其计算。在维度上,过去已经做出了一些努力来描述基于特征向量的中心性度量,将Bonacich指数推广到多路复用网络的情况。在这项工作中,我们提出了一个新的定义的特征向量中心依赖于Perron特征向量的多齐次映射的张量描述的网络。我们证明了这种中心性的存在性和唯一性是保证在非常温和的假设下的复用网络。提出了广泛的数值研究,以测试新引入的中心性措施,并将其与其他现有的基于特征向量的中心性。
2021-02-24 cs.NA cs.SI math.NA
Link-Based Multimodal Traffic Dynamics Model in Continuous-Time Framework
Technische Universität Dresden(德累斯顿工业大学)
研究提出连续时间框架下基于链路的多模式交通动力学模型M-LTM,通过移动瓶颈理论捕捉多模式交互,开发节点模型描述流量转移等,经案例研究验证其在网络交通分析管理中的预测能力与适用性,误差小。
2026-07-09 math.OC physics.soc-ph
Learning about knowledge: A complex network approach
本文描述了一种方法来建模知识获取的复杂网络中行走。知识的每个子集被表示为节点,并且这些知识之间的关系被表示为边。被认为是两种类型的边缘,对应于自由和条件的过渡。后一种情况意味着节点只能在访问之前的一组节点(所需条件)后才能到达。知识获取的过程可以通过考虑单个代理沿着网络移动时访问的节点数量来模拟,从最低层开始。它表明,分层网络,即网络连续互连层组成,自然出现的结果,组成的先决条件之间的关系的节点。为了避免死锁,即不可达节点,假设每一层中的子网络是连通的组件。这种层次知识网络的几种配置进行了模拟和量化的移动代理的性能在每次运动后访问的节点的百分比。考虑层和互连子网络的Barabási-Albert和随机模型。虽然在每个实现中的所有子网络具有相同数量的节点,几个互连,定义的互连网络的平均节点度,已被认为是。研究了两种访问策略:随机选择已有的边和优先选择迄今未跟踪的边。获得了一系列有趣的结果,包括一系列高原的知识停滞的情况下,在存在条件的边缘的优惠运动策略的识别。
2006-05-07 cond-mat.dis-nn cs.NE physics.comp-ph
Diffusion Adaptation Strategies for Distributed Optimization and Learning over Networks
University of California, Los Angeles(加州大学洛杉矶分校)
我们提出了一种自适应扩散机制,以优化全局费用函数在一个网络的节点分布的方式。假设费用函数由各个分量的集合组成。扩散自适应允许节点实时合作和扩散信息;它还有助于通过连续学习过程减轻随机梯度噪声和测量噪声的影响。我们分析了算法的均方误差性能的一些细节,包括其瞬态和稳态行为。我们还将扩散算法应用于两个问题:稀疏参数的分布式估计和分布式定位。与研究充分的增量方法相比,扩散方法不需要在节点上使用循环路径,并且对节点和链路故障具有鲁棒性。扩散方法还赋予网络自适应能力,即使当费用函数随时间变化时,也使各个节点能够继续学习。涉及具有移动目标的这种动态费用函数的示例在生物网络的上下文中是常见的。
2012-05-12 cs.IT cs.LG cs.SI