Comment on "Nodal infection in Markovian susceptible-infected-susceptible and susceptible-infected-removed epidemics on networks are non-negatively correlated''
Cator和Van Mieghem [Cator E,Van Mieghem P.,物理评论E 89,052802(2014)]指出,对于马尔可夫SIS和SIR流行病模型,网络中任何一对节点之间同时感染的相关性是非负的。用于获得这一结果的参数强烈依赖于随机过程的图形构造,以及FKG不等式。在本说明中,我们表明,虽然作者使用的方法适用于SIS模型,它不能用于SIR模型中所述的工作。特别是,我们观察到,在这个过程中的单调性是至关重要的调用FKG不等式。此外,我们提供了一个简单的图的例子,其节点感染的SIR马尔可夫模型是负相关的。
2018-07-18 cond-mat.stat-mech math.PR physics.soc-ph
The interplay of network structure and correlated infectious traits in epidemic models
University of Virginia(弗吉尼亚大学);Vermont Complex Systems Institute, University of Vermont(佛蒙特大学复杂系统研究所)
研究网络结构与个体传染性特征的相互作用,通过SIR模型分析群体结构和度异质性的影响,推导基本再生数并验证社会干预的有效性。
2026-05-12 physics.soc-ph q-bio.PE
Effect of Coupling on the Epidemic Threshold in Interconnected Complex Networks: A Spectral Analysis
在流行病建模中,术语感染强度表示感染率和治愈率的比率。如果感染强度高于某个阈值--我们定义为流行阈值--那么流行病就会在人群中传播并长期持续。对于一个单一的通用图表示的接触网络的人口正在考虑中,传染病的阈值原来是等于的谱半径的接触图的倒数。然而,在现实世界中,不可能完全隔离一个种群:总有一些与另一个网络的互连,该网络与接触网络部分重叠。互联网络中流行病阈值的结果仅限于均匀混合种群和度分布参数。在本文中,我们采用了频谱的方法。我们展示了在一个给定的网络中,由于与另一个具有固定感染强度的网络相结合,流行病阈值如何变化。在我们的模型中,接触网络和互连是通用的。利用分支理论和代数图论,严格推导了互联网络中的传染病阈值。这些结果对流行病建模和控制的广泛领域具有影响。我们的分析结果支持数值模拟。
2012-12-17 cs.SI math.DS physics.bio-ph
Contribution of hidden modes to nonlinear epidemic dynamics in urban human proximity networks
最近开发的获取高质量人类流动数据的技术使得能够以高的空间和时间分辨率对传染病的传播进行大规模模拟,对这些数据的分析表明,现有的理论框架过于简单,无法从网络拓扑结构中推断最终的流行规模或有影响力的节点。在这里,我们提出了一个光谱分解为基础的框架,定量分析流行病的过程中来自城市流动性数据的人类接近现实网络。常识表明,具有较大特征值的模式对流行病动态的贡献更大。然而,我们发现,隐藏的主导结构,即模式具有较小的特征值,但更大的贡献,流行病的动态,存在于邻近网络。这一框架提供了对城市人口流动与流行病动态之间关系的基本理解,并将有助于战略缓解政策决策。
2015-12-07 physics.soc-ph
Epidemic threshold in directed networks
到目前为止,流行病的研究大多是在无向网络中进行的。然而,许多现实世界的网络,如社交网络Twitter和WWW网络,其上的信息,情感或恶意软件的传播,被证明是有向网络,包括单向链接和双向链接。我们将方向性定义为单向链接的百分比。利用N-交织平均场近似方法证明了有向网络中SIS流行病的传播阈值为1/ lambda_{1},其中lambda_{1}(又称谱半径)是邻接矩阵的最大特征值.在这里,我们提出了两个算法来生成具有给定度分布的有向网络,其中方向性可以控制。方向性对光谱半径lambda_{1}、主特征向量x_{1}、光谱间隙lambda_{1}的影响。|lambda_{2}|)和代数连通性|mu_{N-1}|研究了重要的发现是谱半径lambda_{1}随方向性的增加而减小,谱隙和代数连通性随方向性的增加而增加。谱半径减小的程度取决于度分布和度-度相关性rho_{D}。因此,有向网络的流行阈值比无向网络的大,并且在有向网络中的随机游走比在具有度分布的无向网络中更快地收敛到稳态。
2013-12-02 cs.SI physics.soc-ph
Traffic Optimization to Control Epidemic Outbreaks in Metapopulation Models
我们提出了一个新的框架来研究集合种群模型中的病毒传播过程。大型亚群(即,城市)经由元链路(即,道路)根据元语法结构(即,交通基础设施)。研究了在集合种群模型中通过控制子种群间的流量来控制传染病爆发的传播问题。控制流行病爆发的传播可以被写为一个谱条件,该谱条件涉及依赖于网络结构和模型参数的矩阵的特征值。基于这个谱条件,我们提出了一个凸优化框架,以找到成本最优的方法,在疫情爆发的交通控制。
2013-08-17 math.OC physics.soc-ph
Contagion-Preserving Network Sparsifiers: Exploring Epidemic Edge Importance Utilizing Effective Resistance
网络流行病学已经成为理解高度顶点、地理和人口社区以及社会结构中的其他不均匀性对疾病传播的影响的重要工具。然而,从现代数据集衍生的许多网络是相当密集的,例如移动网络,其中每个位置都有到大量潜在目的地的链接。减少在这些网络上模拟流行病的计算量的一种方法是稀疏化,我们根据边缘的重要性选择一个代表性的边缘子集。最近提出了一种基于边缘有效电阻的算法。我们探讨如何有效的阻力与边缘传播疾病的SI模型中的概率。我们发现,在某些情况下,这两个概念的边缘的重要性是很好的相关性,使有效的电阻计算效率代理的边缘的重要性,以流行病的传播。在其他情况下,相关性较弱,我们讨论的情况下,有效的阻力是不是一个很好的代理流行病的重要性。
2021-01-28 cs.SI physics.soc-ph q-bio.PE
Spectral Clustering with Epidemic Diffusion
California State University, Fullerton(加州州立大学富勒顿分校);USC Information Sciences Institute(南加州大学信息科学研究所);Claremont Graduate University(克莱蒙特研究生大学);HP Labs(惠普实验室)
谱聚类被广泛用于将图划分为不同的模块或社区。现有的谱聚类方法使用图拉普拉斯算子的特征值和特征向量,这是一种与图上的随机游走密切相关的算子。我们提出了一种新的谱分割方法,利用流行病扩散的属性。流行病是一个动态过程,与随机游走不同,它同时转移到给定节点的所有邻居。我们发现,复制,一个操作符描述流行病扩散,是等价的对称归一化拉普拉斯算子的重加权图的边缘重加权的特征向量中心的事件节点。因此,更多的权重被给予连接更多中心节点的边。我们描述了一种方法,分区节点的复制的第二特征向量的第一分量比的基础上,并比较其性能与传统的谱聚类技术与已知的社区结构的合成图。我们证明了复制因子优先考虑密集的,类cnc的结构,使其能够更有效地发现社区,可能被掩盖的密集社区间的联系。
2013-10-04 cs.LG cs.SI physics.soc-ph
Numerical Investigation of Metrics for Epidemic Processes on Graphs
本研究开发了流行病击中时间(EHT)度量图测量的预期时间开始在节点$a$在一个完全易感的网络传播和到达节点$b$。一个相关的EHT中心性措施,然后比较度,介数,频谱,和有效电阻中心性措施,通过详尽的数值模拟几个真实世界的网络数据集。我们发现两个令人惊讶的观察:第一,EHT中心性是高度相关的有效电阻中心性;第二,EHT中心性措施是更离域相比,度和频谱中心性,突出了周边节点的作用,在图上的传染病传播。
2015-11-24 cs.SI math.PR physics.soc-ph
Eigenvector localization in real networks and its implications for epidemic spreading
邻接矩阵的谱特性,特别是它的最大特征值和相关的主特征向量,支配着复杂网络的许多结构和动力学特性。在这里,我们专注于本地化性质的主要特征向量在现实网络。我们发现,在大多数情况下,它是本地化的最大程度的节点(枢纽)及其最近的邻居所定义的星,或在密集连接的子图定义的最大$K$-核心的$K$-核心分解。主特征向量的局部化通常与最大特征值的值强相关,该最大特征值由相应局部化子图的局部特征值给出,但有时会出现不同的情况。我们还表明,简单的有针对性的免疫策略传染病传播是非常敏感的实际本地化设置。
2018-01-17 cs.SI physics.soc-ph
Modularity promotes epidemic recurrence
传染病过程的长期演变在很大程度上取决于接触网络的结构。经验证据表明,人类群体表现出强大的社区组织,我们在这里调查如何影响这种介观配置的流行病复发的可能性。通过对真实社交网络的数值模拟和使用谱方法的理论论证,我们证明了高度传染性的疾病,否则会迅速消失,可以无限期地持续接触网络中的模块化的最佳范围。
2016-11-08 cs.SI physics.soc-ph q-bio.PE
Contagion-diffusion processes with recurrent mobility patterns of distinguishable agents
集合种群中传染扩散过程的分析是研究流动性如何影响传染病传播的有力理论工具。然而,许多集合种群的方法使用不可区分的代理,以减轻分析的困难。在这里,我们解决的影响,经常性的流动模式,和空间分布的可区分的代理人,在大城市地区的流行病的发展。我们将代理人的可区分的性质,关于他们的住所,和他们通常的目的地。所提出的模型允许快速计算流行病轨迹的时空模式和。流行阈值的分析计算。这个阈值被发现作为混合矩阵的频谱半径封装的住宅分布,和具体的通勤模式的代理。我们证明了不可区分的个人的简化高估了流行阈值的值。
2022-01-18 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
Epidemic Spreading and Aging in Temporal Networks with Memory
时变网络拓扑结构可以深刻地影响由它们介导的动力学过程。人们还知道,个体之间互动模式中的记忆效应会影响扩散和传播现象的发生。在本文中,我们分析了这两种成分对网络上流行病动力学的综合影响。在最近引入的具有记忆的活动驱动网络上,研究了易感染-易感染(SIS)和易感染-易感染-移除(SIR)模型。通过基于活动的平均场方法,我们推导出,在很长的时间限制,分析预测的流行阈值作为一个函数的参数描述的活动分布和记忆效应的强度。我们的研究结果表明,记忆降低了阈值,这是相同的SIS和SIR动态,因此有利于传染病传播。在长时间渐近状态下,理论计算与数值模拟结果完全一致。强的老化效应存在于前渐近制度和流行病的阈值深受流行病的开始时间的影响。我们详细讨论了依赖于模型的前渐近校正的起源,其理解可能允许相关的时间网络的流行病控制。
2018-12-19 cs.SI physics.soc-ph q-bio.PE
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
Approximate Identification of the Optimal Epidemic Source in Complex Networks
我们考虑的问题,确定通过网络传播的流行病的来源,从一个完整的观察网络的快照中的感染节点。以前的工作对这个问题往往采用几何,光谱或启发式的方法来确定源,与树是最研究的网络拓扑结构。我们采取一个完全统计的方法,并推导出新的递归计算贝叶斯最优解,在一个易感染(SI)的流行病模型。我们的分析是时间和速率无关的,并适用于一般的网络拓扑结构。然后,我们提供了两个易于处理的算法来解决这些递归,平均场近似和贪婪的方法,并评估其性能的真实和合成网络。真正的网络远非树状网络,重点将放在具有高传递性的网络上,例如社交网络和具有社区的网络。我们表明,在这样的网络上,我们的方法显着优于几何和光谱中心性措施,其中大多数表现并不比随机猜测。贪婪近似和平均场近似都可以扩展到大型稀疏网络。
2019-06-12 cs.SI physics.soc-ph stat.AP
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 spreading on time-varying multiplex networks
社会互动在多个背景下分层,并受到复杂的时间动态。对社会系统的这两个特征的系统研究只是最近才开始的,这主要归功于多元和时变网络的发展。然而,这两个进展几乎是平行的,几乎没有重叠。因此,连接模式的多重性和时间性质之间的相互作用知之甚少。在这里,我们的目标是通过引入一个随时间变化的多路复用网络模型来解决这个限制。我们感兴趣的是如何描述这两个属性影响传染过程。为此,我们研究SIS流行病模型展开在可比的时间尺度方面的多重网络的演变。我们研究分析和数值的流行阈值之间的重叠,和功能,每一层的函数。我们发现,层之间的重叠显着降低了流行阈值,特别是当重叠节点的时间激活模式是正相关的。此外,当各层之间的平均连接性非常不同时,传染动力学由连接更密集的层的特征驱动。在这里,流行病阈值相当于单层图的阈值,并且在驱动传染的层中,疾病的影响与重叠无关。然而,在传播动力学受其影响很大的其他层中,情况并非如此。本文的结果为描述真实网络的性质及其对传染现象的影响提供了又一步
2018-08-11 cs.SI physics.soc-ph
Mesoscale community organization governs epidemic onset and spread in metapopulations
Florida State University(佛罗里达州立大学)
该研究提出层次化集合种群流行病传播框架,揭示社区内部连通性这一中尺度组织决定疫情暴发与传播,并结合真实数据验证了框架的稳健性。
2025-11-06 nlin.AO physics.soc-ph
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
Optimal Containment of Epidemics over Temporal Activity-Driven Networks
在本文中,我们研究了发生在时间和自适应网络中的流行病过程的动力学。在活动驱动网络模型的基础上,提出了一个自适应的传染病过程模型,该模型中网络拓扑结构的动态变化既受独立于传染病动态的外生因素的影响,也受个体针对感染状态所采取的内生预防措施的影响.使用马尔可夫过程的模型的直接分析涉及转移概率矩阵的谱分析,其大小随节点数呈指数增长。为了克服这一限制,我们推导出一个上限的衰减率的感染节点的数量方面的特征值的$2 \times 2$矩阵。使用这个上限,我们提出了一个有效的算法来调整参数描述的内源性预防措施,以遏制随着时间的推移流行病。我们通过数值模拟证实了我们的理论结果。
2018-02-25 cs.SI math.OC physics.soc-ph
Optimal Allocation of Resources for Suppressing Epidemic Spreading on Networks
有效配置有限的医疗资源是控制网络流行病传播的关键。基于易感-感染-易感模型,在每个节点的治愈率与其医疗资源正相关的条件下,解决了如何最好地分配有限的资源以使患病率最小的优化问题.利用猝灭平均场理论和异质平均场(HMF)理论,证明了当每个节点的治愈率与其度成正比时,传染病的爆发将得到最大程度的抑制,在此条件下,有效感染率$λ$存在一个最大阈值$λ_c^{opt}=1/\left\langle k \right\rangle$,其中$\left\langle k \right\rangle$为底层网络的平均度.对于弱感染区域($λ\gtrsimλ_c^{opt}$),本文将摄动理论与拉格朗日乘子法(LMM)相结合,导出了治愈率最优分配的解析表达式,并得到了相应的最小患病率。对于一般感染域($λ>λ_c^{opt}$),利用HMF理论和LMM将高维优化问题转化为低维非线性方程组的数值求解。与直觉相反,在强感染区域,低度节点应比高度节点分配更多的医疗资源,以最大限度地降低患病率。最后,我们使用模拟退火来验证理论结果。
2017-02-26 physics.soc-ph q-bio.PE
On the use of human mobility proxy for the modeling of epidemics
人口流动是传染病大规模空间传播模型的一个关键组成部分。正确建模和量化人员流动对于改善流行病控制政策至关重要,但在世界某些地区,数据不完整可能会阻碍这一工作。在这里,我们探讨了使用代理数据或模型的个人流动性来描述通勤运动和预测传染病的扩散的机会。我们认为三个欧洲国家和相应的通勤网络在不同的分辨率尺度从官方人口普查调查,从代理数据提取的移动电话记录,从人口普查数据校准的辐射模型。定义在这三个国家和整合不同的流动层的集合种群模型进行了比较,在流行病的可观的。我们发现,从手机数据的通勤网络很好地捕捉经验通勤模式,占总流量的87%以上。从两个数据源-移动电话和人口普查-每个链接的通勤流量的分布是相似的,高度相关的,但在移动电话数据的通勤交通的系统高估观察。这导致流行病的传播速度比人口普查通勤网络更快,但保持了新感染地点的感染顺序。匹配的流行病入侵模式是敏感的初始条件:辐射模型显示出更高的准确性相对于移动电话数据时,种子是在网络中的中心,而移动电话代理执行更好的流行病种子在外围位置。结果表明,不同的代理可以用来近似通勤模式在不同的分辨率尺度在空间流行病模拟,在所需的准确性在研究中的流行病的结果。
2014-05-27 physics.soc-ph q-bio.PE
Are `Water Smart Landscapes' Contagious? An epidemic approach on networks to study peer effects
我们测试存在的邻里为基础的同伴效应,在内华达州拉斯维加斯市的一个激励为基础的保护计划,称为“水智能景观”(WSL)的参与。我们使用15年的地理编码的WSL计划申请和批准的每日记录,由南内华达州水务局和克拉克县税务评估员为家庭特征编制。我们使用这些数据来测试是否可以观察到空间介导的同伴效应在家庭层面的WSL参与可能性。我们发现,流行病传播模型提供了更大的灵活性,在建模假设,也提供了一种机制,解决相关的不可观测的问题比危险模型,也可以应用于解决同样的问题。我们建立网络的邻居为基础的同行16个随机选择的社区在拉斯维加斯和测试的存在,基于WSL参与的影响,通过使用易感-暴露-被感染-被感染的流行病传播模型(SEIR),在该模型中,一个家可以成为通过自身感染或通过传染病从其感染的邻居。我们证明了这类传染病模型可以直接转化为一个加性-乘性风险模型,而不能转化为一个纯乘性模型。使用推断和预测的方法,我们发现在拉斯维加斯的几个街区的同伴效应的证据。
2018-01-29 econ.EM physics.data-an physics.soc-ph
The Accuracy of Mean-Field Approximation for Susceptible-Infected-Susceptible Epidemic Spreading
传染病传播已经被研究了很多年,通过应用平均场方法,在均匀的情况下,每个节点可能被感染的邻居以相同的速率感染,和异质的情况下,不同对节点之间的感染率是不同的。研究者们讨论了平均场方法是否能准确地描述同质情况下的传染病传播,而不能描述异质情况。在本文中,我们将探讨在什么条件下的平均场方法可以表现得很好,当感染率是异质的。特别是,我们采用易感-感染-易感(SIS)模型和比较的平均分数感染节点的亚稳态通过连续时间模拟和平均场近似。我们专注于一个基于个人的平均场近似称为N-交织平均场近似(NIMFA),这是一个先进的方法,认为底层的网络拓扑结构。此外,我们不仅考虑独立同分布(i.i.d.)感染率也与两个末端节点的程度相关。我们的结论是,NIMFA通常是更准确的流行病的患病率较高。给定相同的有效感染率,当i.i.d.\感染率或感染率与淋巴结转移程度之间的相关性导致患病率较低。此外,考虑到相同的实际患病率,NIMFA在以下情况下表现得更好:1)当i.i.d.感染率越小(平均值不变); 2)感染率与淋巴结转移程度呈正相关。
2016-09-05 physics.soc-ph q-bio.PE
Network Epidemic Control via Model Predictive Control: Extended Version
Boston University(波士顿大学)
针对网络SIQR模型,提出一种通过硬谱约束严格抑制传播的安全关键模型预测控制(MPC)方法,实现可调指数衰减率,并证明递归可行性和全局衰减。
2026-05-25 cs.SY eess.SY math.OC
Distributed Resource Allocation for Epidemic control
University of Pennsylvania(宾夕法尼亚大学)
本文提出基于D-ADMM算法的分布式资源分配策略,用于控制网络中流行病爆发。通过线性化SIS模型,考虑节点在感染存在下分配疫苗和治疗药物,并将流行病控制条件转化为涉及Perron-Frobenius特征值的谱约束,以几何规划形式解决资源分配问题。
2015-01-08 cs.SY eess.SY math.OC
The relationships between message passing, pairwise, Kermack-McKendrick and stochastic SIR epidemic models
我们认为一个非常普遍的随机模型SIR流行病的网络,允许个人的传染期,并需要时间来联系每个邻居后,被感染,是相关的。我们写下这个模型的消息传递方程组,并证明,第一次,它有一个唯一的可行解。我们还概括了较早的结果,证明该解决方案提供了一个严格的上限,预期的流行规模(累计感染事件数)在任何固定的时间$t>0$。我们专门这些结果的一个同质的特殊情况下,图(网络)是对称的。这里的消息传递系统简化为四个等式。我们证明,在网络中的周期抑制感染的传播,并得出重要的流行病学结果的最终流行病的规模和阈值行为的一个大的爆发。对于Poisson接触过程,这个消息传递系统等价于一个非马尔可夫对近似模型,我们证明了它有著名的成对模型作为特例。我们进一步表明,一系列的消息传递系统,从刚才描述的齐次,收敛到确定性的Kermack-McKendrick方程的随机模型。对于泊松接触和恢复,我们表明,这种收敛是单调的,从它遵循的消息传递系统(因此也是成对模型)在这里提供了一个更好的近似预期的流行病规模在时间$t>0$比Kermack-McKendrick模型。
2017-04-26 cond-mat.stat-mech math.PR physics.soc-ph
Generation of degree-correlated networks using copulas
复杂网络上的动态过程,如信息传播、创新扩散、连锁故障或传染病传播,都受到其底层拓扑结构的高度影响,例如,度-度相关性。在这里,我们引入连接的概念,以人为地生成随机网络与任意度分布和丰富的先验度度相关(或“关联”)结构。所提出的形式主义和相应的算法的准确性进行了数值验证。导出的网络集成可以系统地部署为适当的零模型,以揭示真实网络的拓扑结构与其上的动态之间的复杂相互作用。
2013-03-02 cs.SI math-ph math.MP
Analytical computation of the epidemic threshold on temporal networks
网络系统中接触的时间变化可能从根本上改变传播过程的性质,并影响大规模传播的条件,如流行病阈值中所编码的那样。尽管物理学、应用数学、计算机科学和流行病学界对这个问题有很大的兴趣,但仍然缺乏完整的理论理解,目前仅限于传播和网络动态之间的时间尺度分离或特定的时间网络模型。我们考虑一个马尔可夫链描述的易感性传染性易感过程的任意时间网络。通过采用多层的角度来看,我们开发了一个通用的分析推导的流行阈值的谱半径的矩阵,编码网络结构和疾病的动态。一组时间模型和经验网络和对数值结果的方法的准确性得到证实。此外,我们还探讨了当时间网络的整体观测时间发生变化时阈值的变化,从而为经验时间网络系统的数据收集提供了最佳时间窗口。我们的框架是基本的和实际的兴趣,因为它提供了新的理解时间网络和传播动态之间的相互作用。
2015-04-13 physics.soc-ph q-bio.PE
Robustness and Assortativity for Diffusion-like Processes in Scale-free Networks
通过分析复杂网络中流行病和灾难的扩散动力学,研究了传染性对网络鲁棒性的影响。我们首先通过频谱分析确定阈值以上的流行病/故障可以传播,然后我们计算最慢的扩散时间。我们的研究结果表明,dispertative网络表现出更高的流行病学阈值,因此更容易免疫,而在dispertative网络有一个更长的时间进行干预之前,流行病/故障蔓延。此外,我们研究了沙堆级联模型,一个扩散模型的危机传播(金融传染)的计算机模拟。我们发现,虽然预防性网络更容易传播流行病/故障,度有针对性的免疫政策增加了他们的系统性风险的弹性。
2012-11-23 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Limits of Friendship Networks in Predicting Epidemic Risk
感染在现实社会网络中的传播取决于两个过程的相互作用:网络的动态,其结构随着时间的推移而变化,根据个体之间的相遇,以及网络上的动态,其节点可以在相遇后相互感染。身体接触是传染病传播的最常见媒介,但由于收集成本高、不切实际或隐私敏感,有关接触的详细信息往往无法获得。我们问的是,社交网络中个体之间的友谊关系是否能成功预测谁有风险。使用一个流行的在线评论服务的数据集,我们建立了一个随时间变化的网络,它是用户和基于报告友谊的静态网络之间的物理接触的代理。通过计算机模拟,我们比较了由此产生的网络上的感染过程,并表明,虽然友谊网络上的距离与流行病风险相关,但如果感染是由身体接触驱动的,友谊提供了一个很差的识别风险个体的能力。这种限制不是由于感染的随机性,而是由于两个网络的结构差异。与在不同网络上传播的过程之间的宏观相似性相反,由边缘的两种定义确定的局部连通性的差异导致微观水平上的动态之间的显著差异。尽管突出的限制,我们表明,定期和相对不频繁的监测,真正的感染相遇网络允许正确的预测感染的友谊网络,并达到令人满意的预测精度。此外,友谊网络还提供宝贵的信息,在免疫预算有限的情况下,可有效控制流行病的爆发。
2015-10-27 cs.SI physics.data-an physics.soc-ph
Spectral analysis and slow spreading dynamics on complex networks
易感-感染-易感(SIS)模型是描述信息/传染病传播现象的最简单的无记忆系统之一。淬火无序对动力学行为的影响最近被比较淬火平均场(QMF)近似的无标度网络。QMF通过邻接矩阵的谱分解分析,可以考虑稳态下活性的拓扑异质性和聚类效应。因此,它可以提供对可能的稀有区域效应的预测,从而对慢动力学的发生。我比较QMF SIS的结果与各种大尺寸图上的模拟。特别是,我表明,Erd \H os-Rényi图这种方法正确预测的流行阈值和稀有区域的影响。如果图是碎片的,或者如果我们在边缘上应用强的、指数抑制的加权方案,格里菲斯阶段就会出现。后一个模型描述了面对面实验中的连接时间分布。在广义Barabási-Albert型网络与老化连接的情况下,强烈的稀有区域效应和格里菲斯相动力学的数值证据。
2013-06-14 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
EINNs: Epidemiologically-informed Neural Networks
Georgia Institute of Technology(佐治亚理工学院);Virginia Tech(弗吉尼亚理工大学);University of Iowa(爱荷华大学)
我们介绍EINN,这是一个为流行病预测而设计的框架,它建立在机械模型提供的理论基础以及AI模型提供的数据驱动的可表达性以及它们摄取异构信息的能力之上。尽管神经预测模型在多项任务中取得了成功,但与流行趋势和长期预测密切相关的预测仍然是一个挑战。流行病学ODE模型包含的机制,可以指导我们在这两个任务,但是,他们有有限的能力,ingredient数据源和建模复合信号。因此,我们建议利用物理信息神经网络中的工作来学习潜在的流行病动态,并将相关知识转移到另一个神经网络,该神经网络摄取多个数据源并具有更合适的归纳偏差。与以前的工作相比,我们不假设完全动力学的可观测性,也不需要在训练过程中数值求解ODE方程。我们在美国所有州和HHS地区进行的COVID-19和流感预测的全面实验表明,我们的方法在短期和长期预测以及学习机械动力学方面优于其他非平凡的替代方案。
2023-01-11 cs.LG physics.soc-ph q-bio.PE
Graph Product Multilayer Networks: Spectral Properties and Applications
本文旨在建立图积多层网络(GPMNs)的理论基础,GPMNs是一类可以由两个或多个因子网络的图积得到的多层网络。笛卡尔,直接(张量),和强产品运营商被认为是,然后推广。我们首先描述了GPMNs和他们的因子网络的度/强度,邻接和拉普拉斯谱之间的数学关系,然后表明,这些关系仍然可以保持非简单的和广义的GPMNs。GPMN的应用在三个方面进行了讨论:预测流行病的阈值,在非平凡的空间和时间的传播建模,并分析自相似网络的高阶特性。最后对今后的研究方向进行了展望。
2017-07-10 cs.DM physics.soc-ph
The spectral dimension of simplicial complexes: a renormalization group theory
单纯形复形越来越多地用于研究复杂系统的结构和动力学,包括扩散、同步和传染病传播。已知图拉普拉斯算子的谱维数确定长时间尺度下的扩散性质。本文利用重整化群计算了两类非顺从的$d$维单纯复形:阿波罗网络和伪分形网络的图拉普拉斯算子的谱维数。我们分析了$d\to \infty$的拓扑维数$d$的光谱维数的缩放,我们指出,随机性,如一个存在于网络几何与风味可以减少这些结构的光谱维数的值。
2019-12-23 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Growth over time-correlated disorder: a spectral approach to Mean-field
我们概括了一个模型的增长在无序的环境中,一类伊藤过程。特别是,我们研究了噪声的微观特性如何影响宏观增长率。本模型可以在大尺寸的增长过程,并提供了一个床,以更好地理解勘探和开发之间的权衡。一个额外的映射到薛定谔方程很容易提供一组障碍,这个模型可以精确地解决。这种平均场方法表现出有趣的功能,如冻结过渡和最佳的增长点,可以详细研究,并给出了另一种解释的发生$\textit{Zipf law}$在复杂的,良好的连接系统。
2016-12-16 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph