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、统计物理等领域的前沿进展，每天即时更新相关顶刊论文，和最新arXiv预印本论文。

本文是对近期arXiv论文的汇总编译（by 彩云小译）。更多最新论文，请扫二维码获取。

核心速递

动力系统中因果关系的可靠检测；
抑制性突触对兴奋性神经元网络临界性的影响；
面向恶劣环境的鲁棒高效群集通信拓扑；
寻找零号病人: 医院中水平传播通道的视觉分析；
隔离期间的生产力悖论: 一个基于代理的模拟；
在线社交网络中的个人资料匹配；
复杂网络中的导航微分结构；
空间相关函数数据的空间同质性学习及其在新冠肺炎增长率曲线中的应用；
广告主意向与满意度的深度预测网络；
基于相似度和基于GNN的链接预测方法的比较研究；
共享知识的诅咒: 不完全信息协调博弈中的递归信念推理；
影响力最大化的视觉分析；
针对新冠肺炎开发人工智能解决方案的思考、良好实践、风险和陷阱；

动力系统中因果关系的可靠检测

原文标题：

Reliable Detection of Causal Influences in Dynamical Systems

地址：

https://arxiv.org/abs/2008.09486

作者：

Erik Laminski,Klaus R. Pawelzik

摘要：关于因果关系的存在、强度和主导方向的知识对于理解复杂系统是至关重要的。然而，由于现实数据有限，目前用于研究动力系统不同观测量之间因果关系的方法存在结果模糊的问题。缺失是一个统计上定义良好的方法，避免假阳性检测，同时对弱相互作用敏感。理想情况下，它应该能够推断出同步发生时的直接因果关系。该方法利用流形的局部屈曲来估计两个可观测量的状态重构之间的信息损失的上界。它伴随着一个检验因果关系的缺失。仿真结果表明，该方法对固有噪声具有较强的鲁棒性，同步性好，并且对测量噪声具有较好的耐受性。

抑制性突触对兴奋性神经元

网络临界性的影响

原文标题：

Influence of inhibitory synapses on the criticality of excitable neuronal networks

地址：

https://arxiv.org/abs/2008.09287

作者：

F S Borges,P R Protachevicz,V Santos,M S Santos,E C Gabrick,K C Iarosz,E L Lameu,M S Baptista,I L Caldas,A M Batista

摘要：在这项工作中，我们研究了兴奋性和抑制性突触神经元网络的动态范围。我们得到了临界点作为兴奋性和抑制性突触强度函数的解析表达式。我们还确定了一个解析表达式，给出了最大动态范围发生的临界点值。临界点可以根据平均连接度和两两优势表现出停止或不断的动态变化。然而，两种情况下的动态范围是相等的。我们观察到，外部刺激掩盖了在计算动态范围的区域内自我维持活动(无休止的动态)的一些效应。在这些地区，无休止的动态和停止的活动引发率是相同的。此外，我们验证了兴奋和抑制输入是近似相等的网络与大量的连接，显示兴奋-抑制平衡的实验报告。

面向恶劣环境的

鲁棒高效群集通信拓扑

原文标题：

Robust and Efficient Swarm Communication Topologies for Hostile Environments

地址：

https://arxiv.org/abs/2008.09575

作者：

Vipul Mann,Abhishek Sivaram,Laya Das,Venkat Venkatasubramanian

摘要：基于群体智能的优化技术将搜索空间的系统探索与邻居提供的信息结合起来，并且强烈依赖于代理之间的通信。这些算法通常用于解决函数场景不充分了解和存在多个局部最优解的问题，这些局部最优解可能导致其他算法过早收敛。在通信系统中可以找到这种算法的应用，包括设计网络，以便有效地向目标群体传播信息，在药物分子扩散之前搜索受影响部位的目标药物递送，以及利用无人机网络进行高价值的目标定位。在几个这样的应用程序中，代理面临一个敌对的环境，这可能导致在搜索过程中丢失代理。这种丢失改变了代理的通信拓扑结构，从而改变了可用于代理的信息，最终影响了算法的性能。在本文中，我们提出了一个研究的影响，代理的损失对这种算法的性能作为一个函数的初始网络配置。我们使用粒子群优化优化目标函数的多个次优区域在一个恶劣的环境，并研究其性能的一系列网络拓扑的代理丢失。结果揭示了不同拓扑之间有趣的效率、健壮性和性能之间的权衡，这些拓扑随后被用来发现最大化性能的网络的一般属性。此外，拥有小世界属性的网络被认为能够在恶劣条件下最大化性能。

寻找零号病人:

医院中水平传播通道的视觉分析

原文标题：

In Search of Patient Zero: Visual Analytics of Pathogen Transmission Pathways in Hospitals

地址：

https://arxiv.org/abs/2008.09552

作者：

T. Baumgartl,M. Petzold,M. Wunderlich,M. Höhn,D. Archambault,M. Lieser,A. Dalpke,S. Scheithauer,M. Marschollek,V. M. Eichel,N. T. Mutters,HiGHmed Consortium,T. von Landesberger

摘要：在医院中爆发病原体(即细菌和病毒爆发)会导致高死亡率，并大大增加医院的费用。当感染病人人数超过地方病流行水平或病原体在某一特定人群中的通常流行程度时，通常就会注意到暴发。重建传播途径回到疫情爆发的源头——零号病人或指数病人——需要对微生物数据和病人接触者进行分析。这通常由感染控制专家手工完成。我们提出了一种新颖的视觉分析方法来支持对传播途径、病人接触、疫情进展和住院期间病人时间表的分析。感染控制专家将我们的解决方案应用于德国一家大型医院真正爆发的克雷伯氏肺炎菌。使用我们的系统，我们的专家能够扩大传播途径的分析，以更长的时间间隔(即，数年的数据，而不是几天) ，并跨越更多的病房。此外，该系统还能够将分析时间从天减少到小时。在我们的最终研究中，来自七家德国医院的25名专家的反馈提供了证据，证明我们的解决方案为分析疫情带来了显著的益处。

隔离期间的生产力悖论:

一个基于代理的模拟

原文标题：

The paradox of productivity during quarantine: an agent-based simulation

地址：

https://arxiv.org/abs/2008.09461

作者：

Peter Hardy,Leandro Soriano Marcolino,José F. Fontanari

摘要：由于封锁和社会限制措施以遏制 SARS-CoV-2的传播，全球各经济体陷入瘫痪，尽管它们很快转向远程工作。这种衰落的部分原因可能是“饮水机效应”(water cooler effect) ，该效应认为，由于人们情绪的提升，更高水平的社会互动导致更高的生产力。然而，有点自相矛盾的是，有报告说远程工作的生产力提高了。在这里，我们使用个体为本模型模型来模拟一个有着外向和内向人格的刻板印象的工作场所，这些刻板印象仅仅因为他们开始社会交往的倾向不同而有所不同。我们发现，减少社会互动的效果取决于工作组中刻板印象的比例: 虽然社会限制措施总是对主要由内向者组成的群体的生产力产生负面影响，但它们实际上可能提高主要由外向者组成的群体的生产力，这就为隔离期间的生产力悖论提供了解释。

在线社交网络中的个人资料匹配

原文标题：

Profile Matching Across Online Social Networks

地址：

https://arxiv.org/abs/2008.09608

作者：

Anisa Halimi,Erman Ayday

摘要：在这项工作中，我们研究了在线社交网络中由于个人资料匹配所引起的隐私风险，该方法利用用户的匿名个人资料与其真实身份相匹配。我们考虑用户公共共享的不同属性。这些属性包括强标识符(如用户名)和弱标识符(如用户在不同平台上发布的不同帖子之间的兴趣或情绪差异)。为了更广泛地显示隐私威胁，我们研究了不同属性组合对剖面匹配的影响。该框架主要依赖于机器学习技术和优化算法。我们在三个数据集(Twitter-Foursquare、 Google +-Twitter 和 Flickr)上评估了所提出的框架，并展示了如何通过使用 osn 的公共共享属性和/或底层图形结构高概率地匹配不同 osn 中的用户配置文件。我们还表明，与依赖于机器学习技术的最新技术相比，该框架显著地提供了更高的精度值。我们相信，这项工作将是一个宝贵的步骤，为 OSN 用户建立一个工具，以了解他们的隐私风险，由于他们的公共分享。

复杂网络中的导航微分结构

原文标题：

Navigating differential structures in complex networks

地址：

https://arxiv.org/abs/2008.09382

作者：

Leonardo L. Portes,Michael Small

摘要：在一个系统的网络表示中的结构变化(例如，不同的实验条件，时间演变) ，可以提供关于其组织、功能和如何对外部扰动作出反应的洞察。对基因网络如何应对疾病和治疗的更深入的理解可能是对通过这种不同的网络分析观点所取得的成果的最深刻的证明，这种成果在过去十年中导致了新的数字技术的爆炸。然而，即使在很少的实验条件下，集中注意力，或者如何在微分结构中导航都是不可能的。在这篇文章中，我们提出了一个理论和一个方法论的实现，用于角色塑造网络内部和网络之间同时存在的节点共享的“结构角色” ，其结果是一个高度{ em 可解释的}映射。主要特点和准确性调查与数字基准生成的随机块模型。结果表明，它可以提供细致入微的和可解释的信息，在不同的情况下(i)社区规模和(ii)社区总数，以及(iii)即使对100个网络的大量数据进行比较(例如，对100个不同的实验条件)。然后，我们给出证据，证明这种方法的优势在于它的“讲故事”式的信息编码在一组网络中的角色塑造，可以用来精确定位意想不到的差异结构，导致进一步的调查和提供新的见解。我们提供了一个说明性的，探索性的分析四个基因共表达网络从两种细胞类型两个处理(干扰刺激或控制)。这里提出的方法允许我们阐述和测试一组非常具体的假设，这些假设涉及到这些网络之间结构差异的{ em unique }和{ em subtle }细微差别。

空间相关函数数据的

空间同质性学习

及其在新冠肺炎增长率曲线中的应用

原文标题：

Spatial homogeneity learning for spatially correlated functional data with application to COVID-19 Growth rate curves

地址：

https://arxiv.org/abs/2008.09227

作者：

Tianyu Pan,Weining Shen,Guanyu Hu

摘要：我们通过分析美国的新型冠状病毒肺炎新型冠状病毒肺炎增长率曲线，研究了空间异质性对区域性流感大流行时间和严重程度的影响。我们提出了一种地理上详细的功能性数据分组方法，该方法在充分捕捉大流行曲线的空间相关性之前，配备了一个功能性条件自回归(CAR)。空间同质模式然后可以检测地理加权的中国餐馆过程之前，允许局部空间连续的群体和全球不连续的群体。我们设计了一个高效的马尔科夫蒙特卡洛算法来同时推断群组数量的后验分布和空间功能数据的分组结构。通过模拟研究以及在美国新型冠状病毒肺炎和县级数据研究中的应用，证明了该方法优于竞争方法的数值性能。

广告主意向与满意度的深度预测网络

原文标题：

A Deep Prediction Network for Understanding Advertiser Intent and Satisfaction

地址：

https://arxiv.org/abs/2008.08931

作者：

Liyi Guo,Rui Lu,Haoqi Zhang,Junqi Jin,Zhenzhe Zheng,Fan Wu,Jin Li,Haiyang Xu,Han Li,Wenkai Lu,Jian Xu,Kun Gai

摘要：对于淘宝和亚马逊这样的电子商务平台，广告商在整个数字生态系统中扮演着重要角色: 他们的行为明确地影响用户的浏览和购物体验; 更重要的是，广告商的广告支出构成了平台收入的主要来源。因此，为广告客户提供更好的服务对电子商务平台的长期繁荣至关重要。为了达到这一目标，广告平台需要对广告主的营销意图和广告业绩满意度有深入的了解，在此基础上进一步优化，以正确的方向为广告主服务。本文提出了一种新型的深度满意度预测网络(DSPN) ，该网络可以同时对广告客户的意向和满意度进行模型化。该模型采用两阶段网络结构，通过考虑广告主行为信息的特点和广告绩效指标，联合学习广告主的意图向量和满意度。在阿里巴巴广告数据集上的实验和在线评估表明，我们提出的 DSPN 优于最先进的基准，并且在线环境下的 AUC 表现稳定。进一步的分析表明，DSPN 不仅能够准确地预测广告主的满意度，而且能够了解解释广告主的意图，为进一步优化广告效果提供了机会。

基于相似度和基于GNN的

链接预测方法的比较研究

原文标题：

A comparative study of similarity-based and GNN-based link prediction approaches

地址：

https://arxiv.org/abs/2008.08879

作者：

Md Kamrul Islam,Sabeur Aridhi,Malika Smail-Tabbone

摘要：根据图的当前结构推断图中缺失环节的任务称为链路预测。基于成对节点相似度的链接预测方法是文献中已经被广泛接受的方法。尽管它们是启发式的，缺乏普遍适用性，但在许多现实世界的图中表现出了良好的预测性能。另一方面，神经网络在不同领域的分类任务的成功，促使研究人员用图形的方式进行研究。当一个神经网络可以直接对图进行操作时，称之为图神经网络(GNN)。GNN 能够从图中学习隐藏的特征，这些特征可以用于图中的链接预测任务。基于 gnn 的链路预测因其在实际图形中的高性能而受到研究者的广泛关注。本文研究了由单一类型的(属性)节点和单一类型的成对链路组成的齐次图域上的一些相似性和基于 gnn 的链路预测方法。我们对几个具有不同领域不同性质的基准图进行了评价。

共享知识的诅咒:

不完全信息协调博弈中的

递归信念推理

原文标题：

The Curse of Shared Knowledge: Recursive Belief Reasoning in a Coordination Game with Imperfect Information

地址：

https://arxiv.org/abs/2008.08849

作者：

Thomas Bolander,Robin Engelhardt,Thomas S. Nicolet

摘要：公共知识是安全团队协作的必要条件。当无法获得常识时，人类通常会利用自己的能力来归属信念和意图，以推断已知的事物。但这种共享的知识属性在深度上是有限的，因此容易出现协调失败，因为任何有限阶的知识属性都允许更高阶的属性，这可能会改变谁所知道的东西。在三个独立的实验中，我们调查了人类参与者(n = 802)在多大程度上能够认识到共同知识和 n 阶共享知识的区别。我们使用了一个新的两人协调博弈的不完全信息，能够投递递归博弈结构和高阶不确定性到一个简单的，日常的设置。我们的研究结果表明，参与者很难接受这样一个事实，即共同的知识不能简化为共享的知识。相反，参与者甚至在最浅层次的共享知识上也试图进行协调，尽管付出了巨大的代价。

影响力最大化的视觉分析

原文标题：

VAIM: Visual Analytics for Influence Maximization

地址：

https://arxiv.org/abs/2008.08849

作者：

Alessio Arleo,Walter Didimo,Giuseppe Liotta,Silvia Miksch,Fabrizio Montecchiani

摘要：在社交网络中，个人的决定受到朋友和熟人的推荐的强烈影响。影响最大化问题要求选择一个影响传播最大化的用户种子集，即通过种子触发的随机扩散过程影响的期望用户数。在本文中，我们提出了 VAIM，一个可视化分析系统，支持用户分析不同的 IM 算法决定的信息扩散过程。使用 VAIM 可以: (i)模拟给定种子集在大型网络上的信息传播，(ii)分析和比较不同种子集的有效性，(iii)修改种子集以提高相应的影响传播。

针对新冠肺炎开发人工智能

解决方案的思考、

良好实践、风险和陷阱

原文标题：

Considerations, Good Practices, Risks and Pitfalls in Developing AI Solutions Against COVID-19

地址：

https://arxiv.org/abs/2008.09043

作者：

Alexandra Luccioni,Joseph Bullock,Katherine Hoffmann Pham,Cynthia Sin Nga Lam,Miguel Luengo-Oroz

摘要：新型冠状病毒肺炎流感大流行对人类来说是一个重大挑战，截止2020年7月13日，已有1270万确诊病例。在以前的工作中，我们描述了如何利用人工智能在分子、临床和社会层面上的应用来应对流行病。在本文的后续文章中，我们回顾了这三个研究方向，并评估了所使用的方法的成熟度和可行性，以及它们对操作主义的潜力。我们还总结了一些常见的风险和实际的陷阱，以及在不同规模上制定和部署人工智能应用程序的指南和最佳实践。