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

群体免疫异质性及其超级传播效应；
协同自主多机器人系统世界观调试的可视化分析方法；
蜂鸟如何哼唱: 振荡的空气动力解释蜂鸣声的音色；
随机图聚类随机化；
任意时间尺度下信息级联的可伸缩性预测；
加入伪节点的攻击图卷积网络；
通过深度学习和网络科学模型评估城市封锁对控制2019冠状病毒疾病传播的影响；
空间网络中逾渗骨架的相互依存传输；
政策研究: 干预政策下的传染病传播模型及其在2019冠状病毒疾病传播中的应用；
混合 DCOP 求解器: 提高局部搜索算法的性能；

群体免疫异质性及其超级传播效应

原文标题：

Heterogeneity and Superspreading Effect on Herd Immunity

地址：

http://arxiv.org/abs/2009.01923

作者：

Yaron Oz,Ittai Rubinstein,Muli Safra

摘要：考虑到传染性和易感性的异质性以及两个参数之间的相关性，我们建模并计算了发生群体免疫所需的感染人群比例。我们证明，这些因素导致繁殖数量随着进展而减少，因此对估计必须感染这种疾病的人口的必要百分比产生了极大的影响，以达到群体免疫。我们将讨论它对2019冠状病毒疾病和其他流行病的影响。

协同自主多机器人系统世界观

调试的可视化分析方法

原文标题：

A Visual Analytics Approach to Debugging Cooperative, Autonomous Multi-Robot Systems’ Worldviews

地址：

https://arxiv.org/abs/2009.01921

作者：

Suyun Bae,Federico Rossi,Joshua Vander Hook,Scott Davidoff,Kwan-Liu Ma

摘要：自主式多机器人系统是由一组机器人共享信息，以执行超出机器人个人能力的任务，这种系统在许多应用领域都具有巨大潜力，例如行星探索任务。在一个多机器人系统中，每个机器人使用共享世界协调模式，自主地调度哪个机器人应该执行给定的任务，以及什么时候，使用它的世界观——机器人对自己的状态和其他机器人状态的信念的内部表达。操作员面临的一个关键问题是，机器人的世界观可能会脱离同步(通常是由于弱通信链接) ，导致机器人的调度决策和不一致的紧急行为(例如，没有执行的任务，或者由多个机器人执行的任务)失去同步。操作人员面临着一项耗时而困难的任务: 理解机器人的调度决策，检测失步，并通过比较每个机器人的世界观来确定原因。为了应对这些挑战，我们引入了 MOSAIC Viewer，这是一个视觉分析系统，可以帮助操作者(i)理解机器人的日程安排，(ii)检测和管理机器人去同步化的世界观的根本原因分析。经过与喷气推进实验室机器人专家长达一年的合作，我们进行了一项形成性研究，以确定必要的系统设计要求，并与12名机器人专家进行了定性评估。我们发现 MOSAIC Viewer 比用户当前的方法更快、更容易使用，它允许用户缝合低层次的细节，以形成对机器人时间表的高层次理解，并检测和查明失同步的世界观的原因。

蜂鸟如何哼唱:

振荡的空气动力解释蜂鸣声的音色

原文标题：

How Hummingbirds Hum: Oscillating Aerodynamic Forces Explain Timbre of the Humming Sound

地址：

https://arxiv.org/abs/2009.01933

作者：

Ben J. Hightower,Patrick W. A. Wijnings,Rick Scholte,Rivers Ingersoll,Diana D. Chin,Jade Nguyen,Daniel Shorr,David Lentink

摘要：蜂鸟独特的嗡嗡声的来源还不是很清楚，但是在近场和远场有线索表明它的来源。为了解开这个秘密，我们记录了6只自由盘旋的安纳蜂鸟在2176年的麦克风阵列上产生的近场声波。我们还利用一个新的空气动力平台直接测量了蜂鸟在体内产生的三维空气动力。为了确定气动力产生噪声的程度，我们建立了一个简单的第一性原理模型来预测三维振荡力辐射的声场。预测的声场和实测的声场的对应关系表明，嗡嗡声的主要声源是振动翅膀来回运动时的升力和阻力。该模型还显示了扑翼的空气动力分布是如何决定音色和声压级的: 分布支持体重更高的谐波辐射更大的声功率。进一步，将这个模型扩展到鸟类和飞行的昆虫中，我们展示了辐射的声功率如何随着身体质量的变化而变化——通过异速偏差使得更大的鸟类更安静，同时拉长苍蝇的声音。这个模型能够预测拍动翅膀的声学特征，这表明它可以应用于各种不同的用途，比如区分鸟类展示行为中的翅膀和羽毛的声音，解释昆虫如何用它们的翅膀产生求偶歌声，使机器人拍动翅膀更安静。

随机图聚类随机化

原文标题：

Randomized Graph Cluster Randomization

地址：

https://arxiv.org/abs/2009.02297

作者：

Johan Ugander,Hao Yin

摘要：全局平均处理效应(GATE)是网络干扰条件下因果推理研究中的一个主要兴趣量。在正确指定干涉的曝光模型下，GATE 的 Horvitz-Thompson (HT)和 h‘ ajek 估计分别是无偏的和一致的，但是在许多设计和感兴趣的环境下都会出现极大的差异。在干扰图固定聚类的情况下，图聚类随机化(GCR)设计与节点级随机分配相比，方差大大减小，但方差仍然过大。在这项工作中，我们提出了一个随机版本的 GCR 设计，描述性地称为随机图聚类随机化(RGCR) ，它使用一个随机聚类而不是一个单一的固定聚类。通过考虑许多不同的集群分配的集合，这种设计避免了 GCR 的一个关键问题，即在给定的集群中，给定的节点有时是“幸运的”或“不幸的”。我们提出了两种适用于 RGCR 的随机图分解算法: 随机3net 和1hop-max，这两种算法改进了以往对多路图割问题的研究成果。当对自身的随机性进行积分时，这些算法提供了可以有效估计的网络暴露概率。在干涉图的度量结构的假设下，我们给出了 GATE 的 HT 估计量方差的上界。在度量结构参数的 GCR 设计下 HT 估计的最佳方差上界是指数的情况下，我们给出了 RGCR 下的可比方差上界，它在相同参数下是多项式的。我们提供了广泛的模拟比较 RGCR 和 GCR 的设计，观察到在各种设置下，对于 HT 和 h‘ ajek 的 GATE 估计器，均方差的大幅度降低

任意时间尺度下

信息级联的可伸缩性预测

原文标题：

Scalable Prediction of Information Cascades over Arbitrary Time Horizons

地址：

http://arxiv.org/abs/2009.02092

作者：

Daniel Haimovich,Dima Karamshuk,Thomas J. Leeper,Evgeniy Riabenko,Milan Vojnovic

摘要：我们考虑这样一个问题: 在给定内容的初始流行度增长信息和其他内容特性的情况下，预测社交网络内容在任意时间段内的流行度。这些预测对各种应用都很有用，包括在线社交网络中潜在有害病毒内容的早期检测。预测任务是困难的，因为视图事件是复杂的交互作用的结果之间的重新共享，饲料排名算法，以及有机特点的内容流行性和网络结构。基于强度呈指数衰减的 Hawkes 点过程，提出了一种在任意时间尺度上预测信息级联大小的模型。该模型依赖于在参考时间水平上使用信息级联大小的点预测器和有效增长指数的点预测器，捕获信息级联扩散的时间尺度。这就产生了一种高度可伸缩的方法，用于预测内容项在任意未来时间范围内的累积视图数量。我们在两个月的时间里分析了 Facebook 上大量的公共页面内容。我们发现，内容查看率呈现出复杂的时间模式，并且在持续数天的时间范围内遵循一个指数衰减周期。对我们提出的预测方法的准确性分析表明，单一模型可以在很宽的层位范围内获得高性能。

加入伪节点的攻击图卷积网络

原文标题：

Attack Graph Convolutional Networks by Adding Fake Nodes

地址：

http://arxiv.org/abs/1810.10751

作者：

Xiaoyun Wang,Minhao Cheng,Joe Eaton,Cho-Jui Hsieh,Felix Wu

摘要：本文研究了图卷积网络的鲁棒性问题。先前的工作已经表明，GCNs 很容易受到对现有节点的邻接矩阵或特征矩阵的不利干扰; 然而，这种攻击在实际应用中通常是不现实的。例如，在社交网络应用程序中，攻击者需要入侵客户端或服务器来更改现有的链接或特性。本文提出了一种新型的“假节点攻击” ，通过添加恶意的假节点来攻击 GCNs。这比以前的攻击更加现实; 在社交网络应用程序中，攻击者只需注册一组假帐户并链接到现有的帐户。为了进行伪节点攻击，提出了一种贪婪算法来生成恶意节点的边及其相应的特征，以最小化目标节点的分类精度。此外，本文还引入了一种判别器对实际节点中的恶意节点进行分类，并提出了一种贪婪 gan 攻击方法，同时更新判别器和攻击者，使恶意节点与实际节点无法区分。我们的非目标攻击将 GCN 的准确率降低到了0.03，我们的目标攻击在一组100个节点上达到了78% 的成功率，在攻击单个目标节点时达到了90% 的成功率。

通过深度学习和网络科学模型

评估城市封锁对控制

2019冠状病毒疾病传播的影响

原文标题：

Evaluating the effect of city lock-down on controlling COVID-19 propagation through deep learning and network science models

地址：

https://arxiv.org/abs/2009.02152

作者：

Xiaoqi Zhang,Zheng Ji,Yanqiao Zheng,Xinyue Ye,Dong Li

摘要：2019冠状病毒疾病的特殊认知特征，如长疾病潜伏期和通过无症状病例感染，给遏制其暴发带来了严峻挑战。到2020年3月底，中国已经成功地控制了2019冠状病毒疾病的内部扩散，但是代价却是封锁了包括震中武汉在内的大部分主要城市。由于2020年2月中旬之前疫情数据的准确性较低，对于那些基于早期疫情统计推断的研究形成了主要的技术关注。我们应用监督式学习技术来识别和训练 NP-Net-SIR 模型，这种模型在数据质量较差的情况下是健壮的。利用训练好的模型参数，分析了人口流动与跨区域传染联系强度之间的关系，并在此基础上进行了一系列反事实分析，研究了封锁与其他遏制措施之间存在封锁和替代性的必要性。我们的研究结果支持了非锁定型措施的存在，这些措施可以达到与锁定相同的遏制后果，并为更灵活的遏制策略的设计提供了有益的指导。

空间网络中

逾渗骨架的相互依存传输

原文标题：

Interdependent transport via percolation backbones in spatial networks

地址：

http://arxiv.org/abs/2009.02117

作者：

Bnaya Gross,Ivan Bonamassa,Shlomo Havlin

摘要：网络中节点的功能通常用属于巨型组件的结构特征来描述。然而，在处理像传输这样的问题时，一个更合适的功能标准是将一个节点归属于网络的主干，在这里发生信息流和其他物理量(如电流)的流动。在这里，我们研究了一个相互依赖的电阻网络模型中的渗流，并显示了空间性对其耦合作用的影响。我们这样做是基于一个现实的空间网络模型，以一个泊松分佈的链接长度为特色。我们发现，相互依存的电阻网络比基于逾渗的电阻网络更加脆弱，在连接长度处仍然连续出现相互巨大的元件，具有一级相变特征。我们通过追溯相互依存运输日益脆弱的根源，追溯到蒲公英目的发挥的关键作用，来解释这一明显的矛盾。此外，我们通过考虑一个异质的 k-core 渗流过程来解释这些差异，该过程使我们能够定义一个单参数系列的功能性标准，其约束变得越来越严格。我们的结果突出了节点功能性的不同定义对耦合过程的集体属性的重要性，并提供了对许多现实世界网络中相互依存传输问题的更好理解。

政策研究:

干预政策下的传染病传播模型及其

在2019冠状病毒疾病传播中的应用

原文标题：

PolSIRD: Modeling Epidemic Spread under Intervention Policies and an Application to the Spread of COVID-19

地址：

http://arxiv.org/abs/2009.01894

作者：

Nitin Kamra,Yizhou Zhang,Sirisha Rambhatla,Chuizheng Meng,Yan Liu

摘要：流行病在人群中的传播传统上是通过区域化模型建模的，这种模型代表了在没有任何干预政策的情况下疾病的自由进化。此外，这些模型假设完全可以观察，并且不考虑少报的情况。我们提出了一个数学模型，即 PolSIRD，它通过引入观察机制来解释漏报的问题。它还通过利用干预政策数据和报告的疾病病例来获取干预政策对疾病传播参数的影响。此外，我们允许我们的循环模型学习的初始隐藏状态的所有车厢端到端连同其他参数通过梯度为基础的训练。我们将我们的模型应用于最近全球爆发的2019冠状病毒疾病疫情的传播，在大多数指标上，我们的模型都优于疾病预防控制中心目前使用的方法。我们还通过模型中的反事实模拟，提供关于取消干预政策的可操作指导。

混合 DCOP 求解器:

提高局部搜索算法的性能

原文标题：

Hybrid DCOP Solvers: Boosting Performance of Local Search Algorithms

地址：

https://arxiv.org/abs/2009.02240

作者：

Cornelis Jan van Leeuwen,Przemyzław Pawełczak

摘要：我们提出了一种新的方法来加速对称和非对称分布式约束最佳化问题求解器。其核心思想是基于使用贪婪的快速非迭代 DCOP 求解器初始化 DCOP 求解器。这与现有方法相反，在现有方法中，始终使用随机值分配来实现初始化。实验结果表明，改变现有 DCOP 求解器的起始条件，不仅可以使算法的收敛时间减少50% ，而且可以减少通信开销，提高求解质量。我们证明这种效果是由于结构改进的变量分配，这是由于扩散模式的 DCOP 算法激活。)/科目(混合式数码签署同意书)。