集智斑图最新论文栏目，关注复杂系统、网络科学、计算社会科学、生物物理、混沌理论、自组织系统等领域的前沿进展，每天爬取最新的arXiv预印本论文。

本文是对8月3日最新arXiv论文的汇总编译（by彩云小译）。更多最新论文，请扫下方二维码访问集智斑图网站获取：

核心速递

基于环境噪声的网络重构；
非线性功能性大脑共同激活: 定向的、动态的和延迟的；
粘弹性使得细菌活性物质在空间和时间上具有自我组织；
机器学习中的图形信号处理: 回顾与新观点；
电子民主协商一致议定书；
印度的政治推特和种姓歧视——在 Lok Sabha Networks，代表权不等于包容；
基于模体的图卷积多层网络图表示学习；
无分布的社会网络模型；
G-CREWE: 基于嵌入式的网络对齐图形压缩算法；
使用热核的半监督学习卷积网络；
互动推荐系统: 文献状况分析、社会推荐的挑战与机遇；
新发疾病暴发中最优周期关闭风险最小化；
网络连通性优化: 复杂网络启发式评估和交通案例研究；
关于厚尾变量的单点预报；
一类修正 SIR 模型的精确闭合解；
解决冠状病毒大流行期间飞机乘客登机问题的分析方法；
无保证免疫的流行病动力学；
SARS-CoV-2在美国的扩散；

基于环境噪声的网络重构

原文标题：

Network Reconstruction with Ambient Noise

地址：

http://arxiv.org/abs/2007.16136

作者：

Melvyn Tyloo,Robin Delabays,Philippe Jacquod

摘要：耦合主体系统的动力学是由其耦合网络的结构决定的。通常，后者是不能直接观察到的，一个基本的，开放的问题是如何重建它从系统测量。我们发展了一种新的方法来识别网络结构下的动态系统的耦合代理人的响应均匀，环境噪声。我们证明了两点频率信号相关器包含了网络 Laplacian Matrix 上的所有信息。因此，当所有的代理都可以被观察到时，就可以重建完整的 Laplacian Matrix。此外，当噪声相关时间足够短时，当只有一小部分代理可以被观测时，可观测代理对可以按照它们的测地距离排序。该方法计算量小，数值结果表明该方法对大规模网络具有较高的精度和可扩展性。

非线性功能性大脑共同激活:

定向的、动态的和延迟的

原文标题：

Revisiting non-linear functional brain co-activations: directed, dynamic and delayed

地址：

http://arxiv.org/abs/2007.15728

作者：

Ignacio Cifre,Maria T. Miller Flores,Jeremi K. Ochab,Dante R. Chialvo

摘要：神经成像的中心阶段目前被研究脑区之间的功能相关性所占据。这些相关性定义了大脑功能网络，这是最常用的框架来代表和解释各种实验发现。在以前的工作中，我们首先证明了相对较强的 BOLD 激活包含了大部分与理解功能连接相关的信息，随后的工作证实了可以对原始信号进行大量压缩而不会造成重大的信息损失。在这项工作中，我们重温这些时代的相关性质，以定义跨感兴趣区域的非线性动态有向功能连接(nldFC)的度量。我们表明，所提出的度量立即提供，没有广泛的数字复杂性，有针对性的信息功能相关性，以及时间滞后跨区域的措施，总体上提供了一个不同的角度在分析大脑共同激活模式。在本文中，我们提供了一个概念验证，基于复制和完善现有的自闭症数据库的结果，讨论了提出的策略的主要特点和优势，以研究大脑功能相关性。这些结果对在这个样本中发现的相关性提供了新的解释。

粘弹性使得细菌活性物质

在空间和时间上具有自我组织

原文标题：

Viscoelasticity enables self-organization of bacterial active matter in space and time

地址：

http://arxiv.org/abs/2007.16206

作者：

Song Liu,Suraj Shankar,M. Cristina Marchetti,Yilin Wu

摘要：活性物质由消耗能量产生机械功的单元组成。例子包括生命系统，例如细菌和生物组织的集合，由分子马达驱动的生物聚合物，以及合成自驱动颗粒的悬浮液。这个领域的一个中心问题是理解和控制在空间和时间中活跃组件的自我组织。大多数活动系统表现出空间秩序，由协调空间结构和活动主体的运动的相互作用介导，或者个体振荡动力学的时间同步。同时控制空间和时间组织更具挑战性，通常需要复杂的相互作用，如反应扩散层次结构或基因工程细胞电路。在这里，我们报告了一种新颖而简单的方法来同时控制细菌活性物质的空间和时间自我组织。通过限制一个活跃的细菌悬浮液，并操纵一个单一的宏观参数，即悬浮液的粘弹性，我们发现细菌悬浮液首先在空间中自组织成一个毫米级的旋转涡旋，然后显示时间组织作为巨大的涡旋以可调频率周期性地转换其全球手性，使人想起扭摆-一个自驱动的。结合实验和活动物质模型，我们用活动强迫和粘弹性应力松弛之间的相互作用来解释这种显著的行为。我们的发现提高了对细菌在复杂流体中行为的理解，并且第一次实验证明流变特性可以用来控制活性物质的流动。结合驱动，我们的可调谐自振荡细菌涡流可以用作软机器人运动和微流体泵浦的“时钟”。

机器学习中的图形信号处理:

回顾与新观点

原文标题：

Graph signal processing for machine learning: A review and new perspectives

地址：

http://arxiv.org/abs/2007.16061

作者：

Xiaowen Dong,Dorina Thanou,Laura Toni,Michael Bronstein,Pascal Frossard

摘要：大规模结构化数据的有效表示、处理、分析和可视化，尤其是与网络、图形等复杂领域相关的数据，是现代机器学习的关键问题之一。图形信号处理(GSP)是信号处理模型和算法的一个充满活力的分支，旨在处理图形支持的数据，为解决这一挑战开辟了新的研究途径。在本文中，我们回顾了 GSP 的一些重要概念和工具，如图过滤器和变换，对新的机器学习算法的发展作出的贡献。特别地，我们的讨论集中在以下三个方面: 利用数据结构和关系先验，提高数据和计算效率，以及增强模型的可解释性。此外，我们还对 GSP 技术的未来发展提出了新的看法，它可以作为应用数学和信号处理与机器学习和网络科学之间的桥梁。跨越这些不同学科的交流可能有助于解开当代复杂数据分析的诸多挑战。

电子民主协商一致议定书

原文标题：

A Consensus Protocol for e-Democracy

地址：

http://arxiv.org/abs/2007.15949

作者：

Ouri Poupko,Nimrod Talmon

摘要：考虑到工作证明(Proof-of-Work，PoW)和利益证明(Proof-of-Stake，PoS)是财阀式的，其他常见的协商一致协议大多基于许可，我们寻找一个适合电子民主需求的协商一致协议。特别是，我们需要的是一个分布式的分类账，它将记录并尽可能地执行公众的意愿。我们提出了一种将任意给定的基于权限的协议与节点之间的信任图相结合的方法，为新节点提供所需的权限。因此，协商一致的协议在每次迭代中在已知的代理列表之间达成共识，然后在迭代之间更新这个列表。本文基于先前的工作，展示了一个社区在维持有限数量的拜占庭时能够成长的条件。它将基于权限的一致协议(例如 pBFT)与社区扩展算法(例如前面工作中的算法)结合起来，以达成一致协议，其中代理集可以随时间变化，同时具有 sybil 弹性。

印度的政治推特和种姓歧视

——在 Lok Sabha Networks，

代表权不等于包容

原文标题：

Indian Political Twitter and Caste Discrimination — How Representation Does Not Equal Inclusion in Lok Sabha Networks

地址：

http://arxiv.org/abs/2007.15863

作者：

Palashi Vaghela,Ramaravind Kommiya Mothilal,Joyojeet Pal

摘要：在印度，种姓特权以高种姓”网络”的形式存在，这种网络由政治、社会和经济关系构成，往往积极排斥低种姓成员。在这项研究中，我们考察了来自印度最高立法机构—— Lok Sabha 的政客们在 Twitter 网络上对种姓制度的这种恶毒表达。我们发现，种姓制度与人民院推特网络中一名议员的集中度、联系度和参与度有着显著的关系。议员的等级越高，他们在网络中的重要性就越大，与其他议员有互惠关系，并被上等等级的议员转发。

基于模体的

图卷积多层网络图表示学习

原文标题：

Representation Learning of Graphs Using Graph Convolutional Multilayer Networks Based on Motifs

地址：

http://arxiv.org/abs/2007.15838

作者：

Xing Li,Wei Wei,Xiangnan Feng,Xue Liu,Zhiming Zheng

摘要：图结构是一种常用的数据存储方式，图中节点的低维嵌入表示在节点分类、链路预测等典型任务中非常有用。然而，大多数现有的方法都是从图的二元关系(即边)出发，没有利用图的高阶局部结构(即主体)。在这里，我们提出了 mGCMN—- 一个新的框架，利用节点特征信息和图的高阶局部结构，有效地生成节点嵌入以前看不见的数据。通过研究，我们发现不同类型的网络有不同的关键主题。通过对引文网络和社会网络数据集的大量实验，证明了本文方法相对于基线方法的优越性。与此同时，分类精度的提高与集聚系数之间呈正相关关系。认为利用高阶结构信息可以真实地体现网络的潜力，这将大大提高图形神经网络的学习效率，促进一种全新的学习模式的建立。

无分布的社会网络模型

原文标题：

Distribution-Free Models of Social Networks

地址：

http://arxiv.org/abs/2007.15743

作者：

Tim Roughgarden,C. Seshadhri

摘要：大规模社交网络的结构主要是通过生成模型(一种平均案例分析的形式)来表达的。本章概述了最近关于这类网络更健壮模型的提议。这些模型假定确定性和经验支持的组合结构，而不是一个具体的概率分布。我们讨论了这些模型的正式定义，以及它们与社会网络中的经验观察结果之间的关系，还讨论了相应图类的已知结构和算法结果。

G-CREWE:

基于嵌入式的网络对齐图形压缩算法

原文标题：

G-CREWE: Graph CompREssion With Embedding for Network Alignment

地址：

http://arxiv.org/abs/2007.16208

作者：

Kyle K. Qin,Flora D. Salim,Yongli Ren,Wei Shao,Mark Heimann,Danai Koutra

摘要：网络对齐对于需要处理越来越大的图的多个应用程序非常有用。现有的研究将这种方法作为最佳化问题或基于节点表示计算相似度。然而，在相对较大的网络之间调整每一对节点的过程是耗时且资源密集的。本文提出了一种解决网络对齐问题的框架 G-CREWE (Graph CompREssion With Embedding)。G-CREWE 使用节点嵌入将网络对齐到两个分辨率级别，即原始网络提供的精细分辨率和压缩版本提供的粗分辨率，以实现高效和有效的网络对齐。该框架首先提取节点特征，通过 GCN 网络学习节点嵌入。其次，节点嵌入有助于指导图形压缩过程，最终提高对齐性能。作为 G-CREWE 的一部分，我们还提出了一种新的压缩机制，称为合并(最小度邻居压缩) ，以减少输入网络的规模，同时保持其拓扑结构的一致性。在所有实际网络上的实验表明，我们的方法比现有最具竞争力的方法快两倍以上，同时保持了较高的精度。

使用热核的半监督学习卷积网络

原文标题：

Graph Convolutional Networks using Heat Kernel for Semi-supervised Learning

地址：

http://arxiv.org/abs/2007.16002

作者：

Bingbing Xu,Huawei Shen,Qi Cao,Keting Cen,Xueqi Cheng

摘要：图卷积网络在半监督学习结构化数据处理方面取得了显著的成功。基于图的半监督学习的关键是捕获通过图结构施加的节点上的标签或特征的平滑度。以往的方法，谱方法和空间方法致力于将图卷积定义为相邻节点上的加权平均数，然后学习图卷积核来利用平滑性来提高基于图的半监督学习的性能。一个开放的挑战是如何确定适当的邻域反映相关信息的平滑表现在图结构。在本文中，我们提出了图形加热，利用热核来增强低频滤波器和增强图形上信号变化的平滑性。图热方法利用热扩散下目标节点的局部结构，在不受以往方法阶次约束的情况下，灵活地确定相邻节点。GraphHeat 在三个基准数据集(Cora、 Citeseer 和 Pubmed)的基于图的半监督分类任务中实现了最先进的结果。

互动推荐系统:

文献状况分析、社会推荐的

挑战与机遇

原文标题：

Reciprocal Recommender Systems: Analysis of State-of-Art Literature, Challenges and Opportunities on Social Recommendation

地址：

https://arxiv.org/abs/2007.16120

作者：

Ivan Palomares, Carlos Porcel, Luiz Pizzato, Ido Guy, Enrique Herrera-Viedma

摘要：许多社会服务，包括在线约会、社交媒体、招聘和在线学习，在很大程度上都依赖于人与人之间的匹配。”。这些服务的成功和用户体验往往取决于它们匹配用户的能力。互惠推荐系统(RRS)的出现是为了促进这一过程，通过识别谁是潜在的匹配对方的用户，基于他们提供的信息。这些系统本质上比用户项目推荐方法和单向用户推荐服务更为复杂，因为它们在推荐过程中需要考虑用户对彼此的偏好。这不仅需要像传统推荐系统那样预测准确的偏好估计，而且需要定义适当的融合过程来聚合用户对用户的偏好信息。在 RRS 研究中，后者是一个至关重要且独特的方面，但却很少被研究。本文通过对现有文献的简要分析，总结了目前 RRS 研究的最新进展，重点介绍了 RRSs 区别于其他类型推荐系统的基本特征。接下来，我们讨论了 RRSs 未来研究的挑战和机遇，特别关注(i)融合策略以解决互惠问题和(ii)与社会推荐相关的新兴应用领域。

新发疾病暴发中

最优周期关闭风险最小化

原文标题：

Optimal periodic closure for minimizing risk in emerging disease outbreaks

地址：

http://arxiv.org/abs/2007.16151

作者：

Jason Hindes,Simone Bianco,Ira B. Schwartz

摘要：如果没有疫苗和治疗，社会必须依靠非药物干预策略来控制新出现疾病的传播，如新型冠状病毒肺炎。虽然完全封闭在流行病学上是有效的，因为它消除了传染性接触，但是也伴随着巨大的代价。最近的几项研究表明，最大限度地减少流行病风险的一种可行的折衷战略是定期关闭，在这种关闭中，人口在广泛的社会限制和放松之间摇摆。然而，尚未提出任何基本理论来预测和解释作为流行病学和社会参数的函数的最佳封闭期。在这项工作中，我们为类似 seir 的模型疾病开发了这样一种分析理论，展示了如何出现特征封闭期，从而使总爆发最小化，并且随着疾病的繁殖数量和潜伏期可预测地增加，只要两者都在可预测的限度之内。使用我们的方法，我们演示了一个甜点效应，其中最佳周期关闭是最大有效的疾病具有类似的潜伏期和恢复期。我们的结果与数值模拟相比较，包括在新型冠状病毒肺炎模型中传染性和恢复显示出明显的可变性。

网络连通性优化:

复杂网络启发式评估和交通案例研究

原文标题：

Network connectivity optimization: An evaluation of heuristics applied to complex networks and a transportation case study

地址：

https://arxiv.org/abs/2007.16150

作者：

Jeremy Auerbach,Hyun Kim

摘要：网络优化问题一般集中在解决网络流量问题上，但近年来对网络特性优化的研究也越来越多。优化网络连接，以便在给定距离内最大限度地增加到一个重点节点的节点数量，然后最大限度地减少额外连接的数量和长度，这些问题还没有得到如此彻底的探讨，但在包括交通规划、电信网络和地理空间分析在内的若干领域中，这一点非常重要。我们比较了几个启发式探索这个网络连接最佳化问题与使用随机网络，包括介绍了两个有益于空间网络模拟研究的平面随机网络，以及一个来自城市规划和公共卫生的真实世界案例研究。我们观察到跨网络类型的节点特征和最佳连接之间的显著差异。这个结果以及寻找最优解的计算成本突出了找到有效启发式的困难。提出了一种新的遗传算法，发现该优化启发式算法性能优于现有的遗传算法，并描述了该算法在其他组合动态问题中的应用。

关于厚尾变量的单点预报

原文标题：

On Single Point Forecasts for Fat-Tailed Variables

地址：

http://arxiv.org/abs/2007.16096

作者：

Nassim Nicholas Taleb,Yaneer Bar-Yam,Pasquale Cirillo

摘要：本文讨论了在使用朴素的“基于证据”的经验主义和厚尾变量的点预测时常见的错误和谬误，以及在尾部风险管理中使用朴素的一阶科学方法的不足。我们使用新型冠状病毒肺炎流行病作为讨论的背景，并作为一个具有多拥有属性性质的现象的例子，以及统计特性和相关风险必须导致什么样的缓解政策。在这样做的同时，我们也回应了 Ioannidis 等人(2020)提出的观点。

一类修正 SIR 模型的精确闭合解

原文标题：

Exact closed-form solution of a modified SIR model

地址：

http://arxiv.org/abs/2007.16069

作者：

Angel Ballesteros,Alfonso Blasco,Ivan Gutierrez-Sagredo

摘要：本文给出了一个修正 SIR 系统的精确解析解。据我们所知，这是第一个三维确定性流行病区域化模型的封闭解。本动力系统发现易感个体和恢复个体的种群 s (t)和 r (t)是广义 logistic 函数，而感染个体 i (t)是广义 Logistic函数乘以指数给出的，它们具有相同的特征时间。分析了这一改进的 SIR 系统的非线性动力学，并对某些流行病学相关量进行了精确计算。介绍了这种修正的 SIR 模型与原来的 SIR 模型的主要区别，并用它们各自的守恒量的零点加以解释。我们记得，这两个模型最近都被用来描述新型冠状病毒肺炎流感大流行动态的基本要素。

解决冠状病毒大流行期间

飞机乘客登机问题的分析方法

原文标题：

Analytical approach to solve the problem of aircraft passenger boarding during the coronavirus pandemic

地址：

http://arxiv.org/abs/2007.16021

作者：

Michael Schultz,Majid Soolaki

摘要：利用随机元胞自动机模型设计了一种最优的旅客群体登机方法，并通过病毒传播方法进行了扩展。此外，一个新的数学模型，以确定一个适当的座位布局的群体。拟议的座位布局是基于这样的想法，即允许团体成员有密切接触，团体之间应有一定的距离。以单个传输率之和为目标函数，推导出具有低传输风险的场景。在确定合适的座位布局后，利用元胞自动机推导和评估相应的登机序列，以达到缩短登机时间和降低病毒传播风险的目的。我们发现，在大流行情况下考虑群体将大大有助于加快登机速度(减少约60% 的时间)和减少传播风险(减少85%) ，这将达到大流行前情况下的登机时间水平。

无保证免疫的流行病动力学

原文标题：

Dynamics of epidemic diseases without guaranteed immunity

地址：

http://arxiv.org/abs/2007.15971

作者：

Kurt Langfeld

摘要：全球 SARS-CoV-2大流行提示了一种新型的疾病传播动力学。世卫组织指出，目前没有证据表明已经从新型冠状病毒肺炎中恢复并且有抗体的人对第二种感染有免疫力。传统的数学模型考虑的情况下，一个恢复个体要么变得易受影响或发展免疫。在这里，我们研究的情况下，受感染的代理恢复和只发展免疫力，如果他们不断感染一段时间。否则，他们又会变得易受影响。我们证明了场论界定了传染率的峰值。因此，该理论的阶段特征的疾病动态: (一)大流行阶段和(二)反应制度。该模型很好地描述了 SARS-CoV-2疫情在中国武汉市的传播情况。我们发现只有30% 的恢复制剂产生了免疫力。我们期望我们的文件能够影响平衡经济影响和大流行病对社会影响的决策。只要疾病控制措施将疾病动态保持在“反应机制”中，就排除了大流行升级(“第二波”)的可能。

SARS-CoV-2在美国的扩散

原文标题：

Superspreading of SARS-CoV-2 in the USA

地址：

http://arxiv.org/abs/2007.15673

作者：

Calvin Pozderac,Brian Skinner

摘要：一些流行病，包括2002-2004年 SARS-CoV-1流行病，已知出现了超级传播，其中一小部分感染者造成了大多数新感染。超级传播的存在意味着不同个体之间传染性的肥尾分布。在这里，我们提出了一个简单的方法来估计变化的传染性通过检查早期增长率的变化的新病例在不同的亚群。我们使用这种方法来估计在美国大流行的早期阶段 SARS-CoV-2传播的传染性的平均值和方差 k。我们发现 sigma _ k/mu _ k gtrsim 3.7，其中 mu _ k 为平均传染性，sigma _ k 为其标准差，这意味着广泛的超扩散。这个结果使我们可以估计，在美国大流行的早期阶段，将近88% 的新病例是大多数传染性最强的10% 人群的结果。

来源：集智斑图

编辑：王建萍

复杂系统前沿文献交流群

如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。

参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。

近期网络科学论文速递

利用节点复制，防止图网络遭到拓扑攻击 | 网络科学论文速递30篇

基于深度学习的气候数据时空预测新框架 | 网络科学论文速递21篇

城市结构对新冠肺炎蔓延的影响 | 网络科学论文速递17篇

在引文网络中发现科学共同体: 趋同聚类 | 网络科学论文速递17篇

GMNN：图形马尔可夫神经网络 | 网络科学论文速递22篇

加入集智，一起复杂！