核心速递
-
-
-
-
呼叫详细记录的时间序列分析检测突发灾难后的国内流离失所者
-
通过分析呼叫详细记录分析国内流离失所者的移动情况来估算对自然灾害的抵御能力
-
-
-
-
-
-
-
-
-
通过知识图谱嵌入和Twitter将医生与医学研究结果联系起来
-
-
-
-
单纯复形的高阶、多组合拉普拉斯算子以及拓扑数据分析在复杂网络中的应用
-
-
-
循环多路网络的分数动态：连续时间随机游走的最佳耦合和远程导航
-
-
1. 比特币反洗钱：利用图卷积
神经网络进行金融取证试验
Anti-Money Laundering in Bitcoin: Experimenting with Graph Convolutional Networks for Financial Forensics
http://arxiv.org/abs/1908.02591
Mark Weber, Giacomo Domeniconi, Jie Chen, Daniel Karl I. Weidele, Claudio Bellei, Tom Robinson, Charles E. Leiserson
摘要：反洗钱（AML）法规在保障金融体系方面发挥着至关重要的作用，但却给机构带来了高额成本，并使那些处于社会经济和国际边缘的人对金融更加排斥。加密货币的出现带来了一个有趣的悖论:假名可以让罪犯隐藏在眼皮底下，但公开数据赋予调查人员更大的权力，并使法医分析的众包成为可能。与此同时，学习算法的进步为AML工具包带来了巨大的希望。在本专题教程中，我们将利用这个机会来协调安全性和普惠金融的关系。我们贡献了椭圆数据集，一个包含超过200K比特币交易(节点)，234K定向支付流(边)，166个节点特征时间序列图，以及其他基于非公开的数据。据我们所知，这是加密货币中公开可用的最大标记交易数据集。我们分享了使用逻辑回归(LR)、随机森林(RF)、多层感知器(MLP)和图卷积神经网络(GCN) 二元分类任务的预测非法交易的结果，GCN作为一种新兴的获取关系信息的方法具有特殊的意义。结果表明了随机森林算法的优越性，我们并结合了随机森林算法和图论方法的各自优势，提出了一种基于随机森林算法的图论方法。最后，我们考虑了用于分析和解释的可视化，考虑到真实事务图的规模和动态性，这是很困难的，我们提供了一个简单的原型，能够在导航图观察非法活动模型性能随着时间变化。通过本教程和数据集，我们希望a)通过邀请反馈来支持我们正在进行的调查，b)鼓励其他人致力于这项重要的社会挑战。
原文标题：
Link formation in aged temporal networks
地址：
http://arxiv.org/abs/1908.01999
作者：
F. Rabbani, T. Khraisha, F. Abbasi, G.R. Jafari
摘要： 在本文中我们提出了一种网络模型，其中节点在时间优先与最活跃节点建立链接的倾向。节点的活动性由给定时间间隔内观察到的链路数量来定义。我们提供两种版本的优先连接模型。第一个版本展示了一个临界时间尺度，即有效累积量的增长在低于和高于临界点的情况下表现不同。此外，我们观察到密集临时网络（大量事件）具有明显的临界时间尺度而不是稀疏时间尺度。在第二个版本中，我们通过使用时间分数阶导数离散方程嵌入记忆来修改优先连接模型，因为它能够捕获具有长期记忆现象的动力学。模型的第二个版本中结果显示累积程度在早期阶段迅速增长，后来根据记忆的强度减慢。
原文标题：
Second-order Control of Complex Systems with Correlated Synthetic Data
地址：
http://arxiv.org/abs/1908.02034
作者：
Juste Raimbault
摘要：在研究复杂系统的大多数学科中，生成与某些标准相似的混合合成数据是一个重要的方法和主题问题。构成要素之间的相互依赖，在各自的关系中具体化，导致宏观模式的出现。因此，能够控制合成数据集中的依赖结构和级别是关于系统机制的知识来源。本文描述了一种合成数据集的生成方法，在此基础上控制相关结构。该方法在金融时间序列的第一个例子中得到应用，可以理解不同尺度的成分间干扰对预测模型性能的影响。然后提出了在地理系统上第二个应用，其中人口密度模型和网络形态形成模型之间的弱耦合允许模拟空间构型。对欧洲数据形态学目标的校准和密集的模型探索揭示了形态学和网络测量数据之间的大量可行相关性。我们在其中演示了这种方法的灵活性和各种可能的应用。
4. 呼叫详细记录
的时间序列分析检
测突发灾难后的国内流离失所者
Detecting individual internal displacements following a sudden-onset disaster using time series analysis of call detail records
http://arxiv.org/abs/1908.02377
Tracey Li, Jesper Dejby, Maximilian Albert, Linus Bengtsson, Veronique Lefebvre
摘要：我们提出了一种分析手机通话详细记录的方法，以确定我们认为因突发灾难而在国内流离失所的个人。我们将每个匿名个体的运动轨迹建模为一个分段常数时间序列信号，假设灾害引起的位移表现为个体“正常”位置的水平位移，然后应用阶跃检测算法来识别信号中的水平位移。与用于分析来自呼叫详细记录的移动模式的典型方法相比，其中分析了大群个体的总体移动，我们的方法提供了以下优点：不需要关于个体移位的目的地或持续时间的假设。我们将该方法应用于三个灾难的数据集——2010年的海地地震、2015年的尼泊尔戈卡地震和2016年的海地飓风马修。结果表明，这种方法可以利用电话详细记录，促进对灾后国内流离失所者流动情况的分析和建模的改进。这些分析可以作为补充传统调查方法的，及时评估灾害引起的转移的规模和特征。
5. 通过分析呼叫详细记录分
析国内流离失所者的移动情况
来估算对自然灾害的抵御能力
Estimating the resilience to natural disasters by using call detail records to analyse the mobility of internally displaced persons
http://arxiv.org/abs/1908.02381
Tracey Li, Jesper Dejby, Maximilian Albert, Linus Bengtsson, Veronique Lefebvre
摘要： 我们使用移动电话呼叫详细记录来估计在突然发生的灾难后先前被确定为境内流离失所者（IDP）的个人被重新安置时间。 四种不同的流动性指标 – 两种版本的回转半径和两种版本的熵 – 用于研究三次灾害期间人口行为 – 2010年海地地震，2015年尼泊尔Gorkha地震和2016年海地飓风马修。我们描述了在灾难发生后每周仍然受到干扰的个人比例中断人口重新安置的速度。我们发现比率可以很好地模拟为两个指数衰减之和，并观察到所有三次灾害的重新定居率是相似的，在灾害发生后四至五周内重新定居的流离失所者人数只有原来的一半。如果对进一步对灾害导致的类似指数衰减率观察的研究，那么意味着，任何时候的国内流离失所者的数目都可以从灾害后立即出现的流离失所者最初数目的估计中推断出来。此外，该方法还提供了一种方法来监视灾难恢复能力，并比较不同灾难之间的恢复率。该方法的优点是不需要对重新安置的地点或时间作任何假设。我们结果表明，在灾后情景中，CDRS可以显著地帮助测量和预测流离失所人员迁移持续时间、距离和位置。我们认为，特别制定的CDR分析提供的信息和估计，加上实地数据收集和传统的调查方法，可以协助对自然灾害作出人道主义反应和随后的重新安置做出努力。
Modularity and Projection of Bipartite Networks
http://arxiv.org/abs/1908.02520
摘要： 本文使用二分网络上的模块最大化调查了社区检测问题。我们特别感兴趣的是，使用二分图网络的一个节点集来推断另一个节点集中节点之间的连接的映射的操作，并且如何与社区检测互动。首先，我们定义了适合于计划的二分网络的一个模块性概念，并概述了一种使其最大化的算法，以便对网络进行划分。然后，利用真实网络和合成网络，我们比较了由五种不同算法发现的群体，其中每种算法都最大化了不同的模块函数，并看到了二分结构的不同方面。基于这些结果，我们提出了一个简单启发式算法来寻找二部网络中的社区。
Disentangling activity-aware human flows reveals the hidden functional organization of urban systems
http://arxiv.org/abs/1908.02538
Riccardo Gallotti, Giulia Bertagnolli, Manlio De Domenico
摘要：越来越多的证据表明，城市是复杂的系统，具有广泛的结构和动力特征，导致了意想不到的和新兴的现象。从个人层面理解城市动态——同时也将其理解为人类集体行为的结果——将为无数的应用打开大门，从增强城市的可持续性和弹性，从而改善居民的健康和福祉。这里我们使用四方网Foursquare提供的一组独特的纵向人流数据来描述一个城市的功能组织，Foursquare是一个领先的位置智能平台。首先，我们根据相对应的人员流动的随时间的活动建立了不同类型的多维网络模型。我们分别从一体化和隔离化角度量化了城市区域间流动交换的效率。 研究结果揭示了意想不到的复杂时空格局，使我们对全球10个大城市的功能有了新的认识。我们发现大城市往往是更多的隔离和更少的集成,和人类流动在一天的不同时间或不同类型的活动之间，在集成和隔离方面，识别“城市中的城市”显示了清晰的不同功能性。我们的分析提供关于人类行为如何影响和受城市环境影响的新见解，作为一个有趣的副产品，来描述不同都市地区、国家和文化的功能(dis)相似性。
Migrant mobility flows characterized with digital data
http://arxiv.org/abs/1908.02540
Mattia Mazzoli, Boris Diechtiareff, Antonia Tugores, Willian Wives, Natalia Adler, Pere Colet, Jose J. Ramasco
摘要： 监测移徙流动对于应对人道主义危机和制定有效政策至关重要。这些信息通常来自调查和边境控制，但及时的可访问性和关注的方法问题降低了其有用性。这里我们提出了一种使用地理定位的Twitter数据检测全球迁移流量的方法。我们关注委内瑞拉的移民危机，并表明计算的流量与国家级的官方统计数据一致。我们的方法是多功能和深远的，因为它可以研究不同的迁移特征，作为首选路线，定居区域，跨几个国家的流动性，城市的空间整合等。它提供更好的地理和时间分辨方法，允许探索官方记录中未考虑的问题。我们希望这些新的信息来源可以补充官方信息，帮助当局和人道主义组织更好地评估何时何地进行实地干预。
9. 推文告诉我们：使用混合
长短期记忆模型进行活动识别
Tweets Can Tell: Activity Recognition using Hybrid Long Short-Term Memory Model
http://arxiv.org/abs/1908.02551
Renhao Cui, Gagan Agrawal, Rajiv Ramnath
摘要： 本文提出了一种技术来检测一个人在twitter上进行的“离线”活动(如吃饭、购物或娱乐)，从而创建一个动态的用户档案，用于更好地定位广告等。为此，我们提出了一种用于加强上下文学习的混合LSTM模型，并研究了不同上下文特征的多种基于LSTM方法的应用和结合的效果。混合模型被证明优于一组基线和最先进的方法。我们的模型为几个知名账号的关注者生成了一个线下活动分析，很好地代表了这些账号的预期特征。最后，给出一种应用于实例的正交验证方法。我们的模型为几个知名账号的关注者生成了一个线下活动分析，很好地代表了这些账号的预期特征。
Embedding-based Silhouette Community Detection
http://arxiv.org/abs/1908.02556
Blaž Škrlj, Jan Kralj, Nada Lavrač
摘要： 在许多科学学科中，人们对以网络形式收集复杂数据的兴趣越来越大。网络社区对应于密集连接的子网，并通常代表现实世界系统的关键功能部分。在这项工作中，我们提出了一种社区检测(SCD)方法，基于 嵌入向量网络节点的聚类，即从邻居中提取节点的实值表示方法。我们调查了所提出的SCD方法在234个合成网络的特性 ，和有实际生命社会网络一样。尽管SCD不基于任何形式的模块优化，但它的性能与最先进的社区检测算法(如InfoMap和Louvain算法)相当，甚至更好。此外，我们还演示了如何将SCD的输出与领域本体一起用于语义子组社区发现，从而对在 检测到的真实生命的蛋白质交互网络中的社区进行人类可理解的解释。SCD基于嵌入式，应用广泛，并能开箱即用的测试，可以作为现有的网络学习和管线探索的一部分。
11. 下一代高分辨率对于媒介
传播的疾病风险的评估
Next-Generation High-Resolution Vector-Borne Disease Risk Assessment
http://arxiv.org/abs/1908.02558
Meysam Ghaffari, Ashok Srinivasan, Anuj Mubayi, Xiuwen Liu, Krishnan Viswanathan
摘要： 媒介传播疾病每年造成100多万人死亡。现在高空间分辨率下对流行病风险估计使有效的公共卫生干预成为可能。我们的目标是在社区的间隔尺度上确定将此类疾病输入脆弱城市的风险。传统的模型无法实现这种空间分辨率，尤其是在实时性方面。此外，他们缺乏关于人口不同来源的实时数据，这对于准确的风险估计至关重要。Twitter等社交媒体有望提供实时推断人口和空间信息的数据。另一方面，此类数据可能是嘈杂和不准确的。我们使用新方法手段利用Twitter数据，使用多空间尺度的机器学习技术来克服其局限性，以期望分辨率输出结果。2016年，我们在佛罗里达州验证了对抗寨卡病毒爆发的方法。我们的主要贡献在于提出了一种新的方法，利用机器学习方法使用社交媒体数据，以足够精确的空间分辨率来识别媒介输入传播疾病的风险，从而允许进行有效干预。这将导致新一代的流行风险评估模型，承诺通过识别特定的地点进行有针对性的疾病干预来改变公共卫生。
Tripartite Heterogeneous Graph Propagation for Large-scale Social Recommendation
http://arxiv.org/abs/1908.02569
Kyung-Min Kim, Donghyun Kwak, Hanock Kwak, Young-Jin Park, Sangkwon Sim, Jae-Han Cho, Minkyu Kim, Jihun Kwon, Nako Sung, Jung-Woo Ha
摘要： 图神经网络(GNNs)是一种很有前途的关系表达方法，包括其中的推荐系统。然而，社交图的各种挑战性问题阻碍了GNNs在社交推荐中的实际应用，如其复杂的噪声连接和高异质性。GNN的过度平滑也是基于GNN的社会推荐的一个障碍。针对这些问题，我们提出了一种新的图象嵌入方法—多相异构图传播(HGP)。HGP使用组-用户-项目三分图作为输入，减少了社交图中的边数和路径复杂度。为了解决过度平滑问题，HGP将节点嵌入到基于个性化网页等级的传播方案中，分别用于组-用户图以及用户-项图。每个图中的节点嵌入使用注意力分配机理来集成。我们在一个包含1,645,279个节点和4,711,208条边的大型真实数据集上评估我们的HGP。实验结果表明，在AUC和F1-score分数指标上，HGP优于多个基线。
Crime Rate Prediction with Region Risk and Movement Patterns
http://arxiv.org/abs/1908.02570
Shakila Khan Rumi, Phillip Luong, Flora D. Salim
摘要： 基于位置的社交网络FourSquare帮助我们了解一个城市的大规模人口流动。它提供了以描述跨地区和兴趣地点(POIs)的移动容量的数据，来探索城市的犯罪动态。为了将人类活动充分利用到犯罪分析中，我们提出了一个区域风险因子，该因子将每月的总犯罪量和一个地区的不同时间间隔的人类活动结合起来。然后，我们使用区域风险因子推导出了一些特征，并在多个城市对真实世界数据进行了广泛的实验，验证了这些特征的有效性。
14. 通过知识图谱嵌入和Twitter
将医生与医学研究结果联系起来
Linking Physicians to Medical Research Results via Knowledge Graph Embeddings and Twitter
http://arxiv.org/abs/1908.02571
Afshin Sadeghi, Jens Lehmann
摘要： 告知专业人员他们所在领域的最新研究成果是医疗保健领域的一项非常重要的任务，因为该领域的任何发展都直接改善了患者的健康状况。同时，社交媒体是允许公共即时共享信息的基础设施，因此它最近在医学应用中变得流行。在这项研究中，我们应用多距离知识图型嵌入技术（MDE）将内科医生和外科医生与最新的医学突破联系起来，这些突破将在Twitter上作为研究结果共享。我们的研究表明使用这种方法，医生可以了解他们所在领域的新发现，通过医生专用的职业账户。
Multiplex graph matching matched filters
http://arxiv.org/abs/1908.02572
Konstantinos Pantazis, Daniel L. Sussman, Youngser Park, Carey E. Priebe, Vince Lyzinski
摘要：我们考虑在大的多路复用背景网络中检测噪声多路模板网络的引起的噪声问题。我们的方法扩展了Sussman等人的框架（2019）到多路复用设置，利用经典图匹配问题的多路复用模拟将模板用作匹配滤波器，以有效地搜索候选模板匹配的背景。从理论上和经验上证明了我们方法的有效性，特别注意考虑多个渠道的潜在好处。
Hyperlink Regression via Bregman Divergence
http://arxiv.org/abs/1908.02573
Akifumi Okuno, Hidetoshi Shimodaira
摘要： U ( in mathbb N）数据向量的集合称为 U -tuple，元组向量之间的关联强度称为超链接权重，假设为关于索引中条目的排列对称。我们在此提出Bregman超链接回归（BHLR），它学习用户指定的对称相似性函数，以便从存储在 U-tuple中的数据向量预测元组的超链接权重。诸如神经网络的非线性函数可以用于相似性函数。 BHLR基于Bregman散度（BD），包括各种现有方法，如逻辑回归（ U = 1 ），泊松回归（ U = 1 ），图嵌入（ U = 2 ），矩阵分解（U = 2 ），张量因子分解（U≥2 ），以及配备任意BD的变体。我们证明，无论选择BD或是 U∈N ，建议的BHLR通常对（P-1）分布错误设定具有鲁棒性，也就是说，它渐近地恢复了给定数据向量的超链接权重的隐藏真实条件期望，而不管其条件分布如何，并且（P-2）在计算上易于处理，也就是说，它是通过随机优化算法使用新的广义小批量采样程序来对超链接数据进行有效计算。 此外，还提出了优化的理论保证，而数值实验证明了所提出的BHLR的期望性能。
Alternative Blockmodelling
http://arxiv.org/abs/1908.02575
Oscar Correa, Jeffrey Chan, Vinh Nguyen
摘要： 我们已经提出了许多方法来发现网络内的集群。社区发现字段包括尝试发现集群的方法，其中节点在之间紧密相关但与其他集群的节点松散相关。但是社区网络配置不是图中唯一可能的潜在结构。核心外围和分层网络配置也是在关系数据集中发现的有效结构。另一方面，我们不能仅通过知道每个节点的成员资格来解释网络关系，更需要一种高级视图来表征群集间关系。我们利用块模型技术处理这两个问题。首先，块模型允许查找除了众所周知的社区结构之外的任何网络配置。其次，块模型是网络的概要表示，它不仅涉及节点的成员资格而且还涉及集群之间的关系。最后，网络用唯一摘要表示是不太可能实现，因网络可能隐藏多个块模型。因此，我们提出的问题目的在发现网络的二级块模型表示，它具有良好质量并与给定块模型有所不同。我们的方法通过两种方式来呈现：（a）包含无链接约束 （b）图像矩阵之间的差异性。两种方法都基于适合块模型表示的非负矩阵因子分解NMF。对这两种方法评估将针对发现的可选块模型的质量和图像差异性两方面，因为这些被视为问题的需求。
18. 单纯复形的高阶、多
组合拉普拉斯算子以及拓扑
数据分析在复杂网络中的应用
Higher order degree in simplicial complexes, multi combinatorial Laplacian and applications of TDA to complex networks
http://arxiv.org/abs/1908.02583
Daniel Hernández Serrano, Darío Sánchez Gómez
摘要：社会、生物或计算机科学中的许多真实网络都具有单纯复形的固有结构，它反映了agent(和agent组)之间的多交互作用，构成拓扑数据分析的基础。通常情况下,给定图网络中代理的相关性根据事件的边的数量,程度,和在一个单纯的网络已经存在的邻接概念和单形程度,据我们所知,在不同的维度来比较单形不是有效的。我们提出了单纯的复合体中单体的高次、低阶、高阶和广义邻接度的新概念，允许它们之间和它们的面之间进行任何维度比较。我们给出了有向单纯复形中的多参数边界运算和上边界运算，并且定义了一个新的多组合拉普拉斯算子。这些算子对已知算子进行了推广，证明是计算高阶度方程的有效工具。因此，这个数学框架不仅可以让我们阐明一个代理的相关性，而且可以把它们作为一个单纯群体来研究，以及研究单纯群体中之间的协作程度。此外，它们是有效的和可编程的计算技术，并提出了单纯网络科学的一些潜在应用。
19. 识别相关推文以支持
实时态势感知的交互式学习
Interactive Learning for Identifying Relevant Tweets to Support Real-time Situational Awareness
http://arxiv.org/abs/1908.02588
Luke S. Snyder, Yi-Shan Lin, Morteza Karimzadeh, Dan Goldwasser, David S. Ebert
摘要： 各领域用户越来越多地利用实时社交媒体数据来获得快速势态感知。然而，由于数据洪流中的高噪声，有效地确定语义相关的信息可能是困难的，而且随着每个最终用户对不同事件的相关性定义的改变，情况会变得更加复杂。现有的短文本关联分类方法大多未能将用户的知识纳入分类过程。包含交互式用户反馈的现有方法主要关注历史数据集。因此，分类器不能针对特定事件或依赖于用户的需求进行实时交互再培训。这限制了实时形势感知能力，因为数据流分类错误无法立即纠正，这就使得重要的传入数据有可能分类错误。我们提出了一种新的交互式学习框架来改进分类过程，在该框架中，用户实时迭代地修正推文的相关度，从而实时训练分类模型，以获得即时的预测改进。我们计算评估我们的分类模型 适应学习的互动率。结果表明，我们的方法优于最先进的机器学习模型。此外，我们将框架与扩展的社交媒体分析和报告工具包(SMART) 2.0系统集成在一起，允许为量身定制的实时情景感知的可视化分析系统中使用我们的交互式学习框架。为了证明我们框架的有效性，通过扩展SMART 2.0系统的第一使用者，我们提供了领域专家的反馈。
How weaponizing disinformation can bring down a city’s power grid
http://arxiv.org/abs/1908.02589
Gururaghav Raman, Bedoor AlShebli, Marcin Waniek, Talal Rahwan, Jimmy Chih-Hsien Peng
摘要：社会技术使传播虚假信息成为可能，并以前所未有的程度操纵大众。从安全角度来看，这尤其令人担忧，因为在保护关键基础设施(尤其是电网)时，人类已被证明是最薄弱的环节。在这里我们假设一次攻击，在攻击中，对手试图通过发送虚假的折扣通知来操纵能源消费者的行为，从而鼓励他们将消费转向需求高峰期。我们进行调查，以评估人们跟进此类通知并将其转发给朋友的倾向。这使我们能够模拟虚假信息如何通过社交网络传播。最后，以大伦敦为例，我们表明虚假信息确实可以被用来策划一场攻击，在这场攻击中，不知情的消费者同步了他们的能源使用模式，导致整个城市范围内的停电。这些发现表明，在一个虚假信息可以被武器化的时代，系统漏洞不仅来自关键基础设施的硬件和软件，还来自消费者的行为。
21. 循环多路网络的分段
动态：连续时间随机游
走的最佳耦合和远程导航
Fractional dynamics on circulant multiplex networks: optimal coupling and long-range navigation for continuous-time random walks
http://arxiv.org/abs/1908.02609
Alfonso Allen-Perkins, Roberto F. S. Andrade
摘要： 这项工作分析了两层多路传输的分段连续时间随机游走。使用以节点为中心的动力学，假设步行器的泊松分布变得活跃，而跳到其中一个邻居取决于连接权数。具有重所周知的拓扑结构的合成多路器用于说明通过数值模拟获得数据的动态特征，求得根据有限数量节点的循环层组装的多路传输器的精确解析表达式。特别注意层外D_x 和层内 D_i 系数对系统行为的影响。与通常的离散时间动态相反，弛豫时间在 D_x / D_i 的最佳值处具有明确定义的最小值。已经发现，即使对于增强的扩散条件，步行器均方值规律的位移随时间线性增加。
The power of dynamic social networks to predict individuals’ mental health
http://arxiv.org/abs/1908.02614
Shikang Liu, David Hachen, Omar Lizardo, Christian Poellabauer, Aaron Striegel, Tijana Milenkovic
摘要： 精准医学在临床内外受到关注。我们通过利用个体的社交互动与个体心理健康之间的关系来关注简况状况，从充裕的动态社会网络数据开发出一个人可能会感到沮丧或焦虑的预测模型。据我们所知，我们是第一个这样做的人。现有研究至少在一个方面与我们的工作不同：它们不会将社交互动数据建模为网络;这样做仅仅分析静态网络数据，他们研究了社交网络与心理健康之间的“相关性”，但没有建立预测模型;或者他们研究其他个人特征但不研究心理健康。在系统和全面的评估中，我们表明使用动态社会网络数据的预测模型在运行相同数据时优于其静态网络以及其他非网络研究方法。
Discovery of a phase transition behavior for supply chains against disruptive events
http://arxiv.org/abs/1908.02616
Qihui Yang, Caterina Scoglio, Don Gruenbacher
摘要： 在当今的全球经济中，由于需要战略性外包，供应链（SC）实体与需求和供应关系的联系越来越紧密。企业之间的这种相互依赖不仅提高了效率，也在系统中造成了更多的漏洞。洪水和交通事故等自然灾害和人为灾害可能会导致停止运营并造成巨大的经济损失。由于企业之间的相互依赖性，任何破坏的不利影响都可以在整个系统中得到放大和扩散。本文旨在了解SC系统对级联故障的系统行为。考虑到上限和下限负荷约束，即剩余库存和输出成本 ，我们通过数值模拟检查负荷减少和负荷波动情景下系统失效实体的比例。我们还通过平均场理论提供分析结果。结果表明发生了一阶相变，未来政策制定者需要结合SC风险管理策略来考虑这种系统性风险失误，以提高系统的适应能力。关于下限参数，即每单位输出成本，对于所研究的场景，系统在幂律分布下比均匀分布更稳健。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.me （提供RSS订阅）进行同步更新。
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
神经
原文始发于微信公众号（集智俱乐部）：集智
