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


  • 新冠病毒大流行中的Twitter国家形象：以中国为例；

  • 从教到学: 具有内心状态的主体的顺序教学；

  • 古诺博弈中的多主体强化学习；

  • 平台设计问题；

  • 关于统计物理，数学台球教给我们什么？；

  • 网络实验展示了逆向对称性破缺；

  • 组成对自催化装置动力学的影响；

  • 不确定条件下复杂网络拓扑描述符的度量；

  • 深度学习在识别出现前磁场模式中的应用与解释；

  • 多维网络中的一种算法信息失真；

  • 在社交媒体网络中发现有趣的子图；



新冠病毒大流行中的

Twitter国家形象：以中国为例


原文标题：

Country Image in COVID-19 Pandemic: A Case Study of China

地址：

https://pattern.swarma.org/paper?id=acdbf000-f70c-11ea-97df-0242ac1a000a

作者：

Huimin Chen,Zeyu Zhu,Fanchao Qi,Yining Ye,Zhiyuan Liu,Maosong Sun,Jianbin Jin


摘要：国家形象对国际关系和经济发展有着深远的影响。在世界范围内爆发的2019冠状病毒疾病中，各国及其人民表现出不同的反应，导致了外国公众对其形象的不同认知。因此，在本研究中，我们以中国作为一个具体的典型案例，在一个大规模的 Twitter 数据集上运用基于方面的情感分析方法对其图像进行研究。据我们所知，这是第一次对国家形象进行如此细致的研究。为了执行分析，我们首先构建一个带有方面级别情感注释的手动标记的 Twitter 数据集。随后，我们利用 BERT 进行基于体的情感分析来探讨中国形象。我们发现公众的情绪总体上呈现出从非负面到负面的转变，并通过增加与意识形态相关的负面内容和减少对非负面基于事实的内容的提及来解释这种转变。对包括美国国会议员、英国媒体和社交机器人在内的不同 Twitter 用户群体的进一步调查显示，他们对中国的态度不同。这项研究提供了一个更深入的理解在2019冠状病毒疾病大流行中中国形象的变化。我们的研究还展示了基于方面的情感分析如何应用于社会科学研究，以提供有价值的见解。



从教到学: 

具有内心状态的主体的顺序教学


原文标题：

Teaching to Learn: Sequential Teaching of Agents with Inner States

地址：

https://pattern.swarma.org/paper?id=37973458-f720-11ea-89e1-0242ac1a000a

作者：

Mustafa Mert Celikok,Pierre-Alexandre Murena,Samuel Kaski


摘要：在序贯机器教学中，教师的目标是为序贯学习者提供最佳的输入序列，以引导他们走向最佳模型。本文将这种设置从目前的静态单数据集分析扩展到学习者在学习过程中通过改变学习算法或潜在状态来改进学习，并推广到新的数据集。本文提出了一种多智能体模型，其中学习者的内部状态可能随着教学交互的改变而改变，从而影响学习者在未来任务中的学习效果。为了对这些学习者进行教学，我们提出了一种考虑到教学后学习者未来表现的最优控制方法。这为建模具有内在状态的学习者和元学习算法的机器教学提供了工具。此外，我们区分了操作性教学和普通教育的区别，前者可以有效地隐藏数据，也可以用于教学，后者旨在帮助学习者在没有教师的情况下更好地在新数据集中进行概括和学习。



古诺博弈中的多主体强化学习


原文标题：

Multi-Agent Reinforcement Learning in Cournot Games

地址：

https://pattern.swarma.org/paper?id=3108d2ea-f720-11ea-89e1-0242ac1a000a

作者：

Yuanyuan Shi,Baosen Zhang


摘要：在本文中，我们研究了信息反馈有限的连续行动古诺博弈中的战略主体之间的相互作用。古诺博弈是许多社会经济系统的基本市场模型，其中代理人学习和竞争没有充分的系统知识或彼此。我们考虑策略梯度算法的动态性，这是一个广泛采用的连续控制强化学习算法，在凹古诺博弈中。我们证明了当价格函数为线性或代理数为2时，策略梯度动力学的纳什均衡点收敛性。这是关于具有连续动作空间的学习算法的收敛性的第一个结果(据我们所知) ，这些算法不属于无遗憾类。



平台设计问题


原文标题：

The Platform Design Problem

地址：

https://pattern.swarma.org/paper?id=3069079c-f720-11ea-89e1-0242ac1a000a

作者：

Christos Papadimitriou,Kiran Vodrahalli,Mihalis Yannakakis


摘要：在线公司部署软件平台套件，其中每个平台被设计为在特定活动期间与用户交互，如浏览、聊天、社交、电子邮件、驾驶等。这种交换的经济和激励结构，以及它的算法性质，我们还没有探索到我们的知识，我们在本文中开始他们的研究。我们将这种交互建模为一个设计者和一个或多个代理之间的 Stackelberg 博弈。我们将 Agent 模型化为一个状态为活动的马尔可夫链，假设 Agent 的效用是该链的稳态分布的线性函数。设计者可以为每个活动/状态设计一个平台; 如果 Agent 采用一个平台，马尔可夫链的转移概率就会受到影响，Agent 的目标也会受到影响。设计师的效用是一个线性函数的稳态概率的可达状态(即，那些平台已被采用) ，减去开发成本的平台。代理的底层最佳化问题—- 即如何选择采用平台的状态—- 是 MDP。如果这个 MDP 具有一个简单而合理的结构(从一个状态到另一个状态的转换概率仅取决于目标状态和当前状态的循环概率) ，Agent 的问题可以用贪婪算法来解决。设计师的设计最佳化问题(为代理人设计一个定制的套件，以便通过代理人的最佳反应来优化设计师的收入) ，而 NP-hard，有一个 FPTAS。这些结果在温和的附加假设下，从一个代理推广到一个支持度有限的代理分布。设计师的最佳化问题有着糟糕的“健壮性代价” ，这表明了解问题的参数对于设计师来说是至关重要的。



关于统计物理，

数学台球教给我们什么？


原文标题：

What mathematical billiards teach us about statistical physics?

地址：

https://pattern.swarma.org/paper?id=e323f776-f71a-11ea-8384-0242ac1a000a

作者：

Péter Bálint,Thomas Gilbert,Domokos Szász,Imre Péter Tóth


摘要：在经典哈密顿系统的框架下，我们综述了双曲线(在较小程度上是非双曲线)台球理论在统计物理的一些基本问题及其严格的数学推导中的应用。



网络实验展示了逆向对称性破缺


原文标题：

Network experiment demonstrates converse symmetry breaking

地址：

https://pattern.swarma.org/paper?id=1ce6ace8-f715-11ea-97df-0242ac1a000a

作者：

Ferenc Molnar,Takashi Nishikawa,Adilson E. Motter


摘要：对称性破缺—- 一个系统的对称性不能由其稳定状态继承的现象—- 构成了图案形成、超导现象和其他许多效应的基础。最近的理论工作已经建立了逆对称性破缺现象的可能性，即只有当系统本身不对称时，稳定状态才是对称的。这包括为了表现出相同的行为而要求交互实体不相同的场景，例如在达成一致意见时。在这里，我们对这一现象进行了实验演示。利用交流电机电振荡器网络，我们证明，当振荡器被调谐到适当的不同，并且 CSB 在一定的噪声水平下持续存在时，它们实现相同频率同步的能力得到增强。这些结果对网络动态的优化和控制具有启示作用，这些系统的功能得益于利用统一的行为。



组成对自催化装置动力学的影响


原文标题：

Impact of composition on the dynamics of autocatalytic sets

地址：

https://pattern.swarma.org/paper?id=776032dc-f712-11ea-97df-0242ac1a000a

作者：

Alessandro Ravoni


摘要：自动催化集是一组实体，通过基本食物来源的化学反应相互催化对方的生产。最近，反射自催化和食物生成理论引入了自催化集的正式定义，这在生命起源的背景下提供了有希望的结果。然而，自催化装置的结构与不同长期行为的可能性之间的联系仍然不清楚。在这项工作中，我们研究了不同的自催化集合之间的相互作用如何影响突现动力学。为了实现这一目标，我们建立了一个通过网络之间的合成操作来表示相互作用的模型，并通过随机模拟再现了网络的动态性。我们发现，自催化集的动态涌现取决于所采用的组合操作。特别是，涉及作为自催化集来源的实体的操作可以促进形成不同的自催化子集，为各种长期行为打开大门。



不确定条件下

复杂网络拓扑描述符的度量


原文标题：

Measuring topological descriptors of complex networks under uncertainty

地址：

https://pattern.swarma.org/paper?id=7a49450e-f70f-11ea-97df-0242ac1a000a

作者：

Sebastian Raimondo,Manlio De Domenico


摘要：从观测到的集体动力学来揭示复杂系统的结构是网络科学中的一个基本反问题。在过去的几十年中，人们提出了几种方法来检测网络节点之间相互作用的存在。通过对某些物理量随时间的观测，利用各种判别统计学方法推导出结构关系。在这种设置下，链路存在的不确定性反映在拓扑描述符的不确定性上。在这项研究中，我们提出了一个新的方法框架来评估这种不确定性，用适当的概率分布替代拓扑描述符，即使是在单个节点的水平。我们的理论框架与在一个大型的合成网络和真实世界网络上进行的数值实验是一致的。我们的研究结果为分析和解释广泛使用的拓扑描述符提供了一个扎实的框架，如度中心性，聚类和集群，在场景中的网络连接的存在是统计推断。



深度学习在识别出现前

磁场模式中的应用与解释


原文标题：

Application and interpretation of deep learning for identifying pre-emergence magnetic-field patterns

地址：

https://pattern.swarma.org/paper?id=79a3aa0e-f70f-11ea-97df-0242ac1a000a

作者：

Dattaraj B. Dhuri,Shravan M. Hanasoge,Aaron C. Birch,Hannah Schunker


摘要：太阳内部产生的磁通量浮出表面，形成活跃区(ARs)和太阳黑子。通量涌现可能触发爆炸事件，如耀斑和日冕物质抛射，因此，了解涌现对于空间天气预报是有用的。任何出现前特征的证据也将揭示出导致出现的亚表面过程。在本文中，我们首次分析了来自太阳动力学观测站/太阳地震新兴活跃区(SDO/HEAR)数据集(Schunker et al. 2016)的新兴 ar，使用深度卷积神经网络(CNN)来描述出现前的地表磁场特性。训练后的 CNN 分类为出现前(PE)视线磁图和出现前(40%)24小时(TSS)真实技能统计分数为85% 的控制磁图(NE)。我们的结果优于只用无符号磁通量的判别分析得到的基线分类 TSS。我们开发了一个网络修剪算法来解释训练的 CNN，并表明了 CNN 包含了滤波器，响应正面和负面的磁通量的磁图。利用合成磁图，我们证明了细胞神经网络的输出是敏感的长度尺度的磁区的小规模和强场产生最大的细胞神经网络输出和可能的特征预出现模式。随着深度学习的日益普及，这里开发的技术用于解释训练有素的 CNN—- 使用网络剪枝和合成数据—- 对于未来太阳和天体物理数据分析的应用是相关的。



多维网络中的一种算法信息失真


原文标题：

An Algorithmic Information Distortion in Multidimensional Networks

地址：

https://pattern.swarma.org/paper?id=b0669536-f70c-11ea-97df-0242ac1a000a

作者：

Felipe S. Abrahão,Klaus Wehmuth,Hector Zenil,Artur Ziviani


摘要：网络复杂性、网络信息内容分析和图表示的无损压缩性在网络分析和网络建模中发挥着重要作用。随着时变、多层或动态多层网络等多维网络在网络科学中获得越来越多的相关性，研究基于算法信息论的通用算法方法在哪些情况下不能直接应用于多维网络就变得至关重要。在这个方向上，作为一个无损压缩失真的绝境求生手册，随着不同维数的线性增加，本文提出了一个反直觉的现象，当处理网络在非均匀和足够大的多维空间。特别是，我们证明，在一般情况下，编码与对数可压缩单线网络同构的多维网络所必需的算法信息可能显示出指数级更大的失真。



在社交媒体网络中发现有趣的子图


原文标题：

Discovering Interesting Subgraphs in Social Media Networks

地址：

https://pattern.swarma.org/paper?id=ad6ac730-f70c-11ea-97df-0242ac1a000a

作者：

Subhasis Dasgupta,Amarnath Gupta


摘要：社交媒体数据通常被建模为具有多种类型的节点和边的异构图。本文提出了一种发现算法，该算法首先根据用户的分析兴趣选择“背景”图，然后自动发现在结构和内容上与背景图明显不同的子图。该技术结合了图的 texttt { group-by }操作的概念和主观兴趣度的概念，从而实现了有趣子图的自动发现。我们在一个社会政治数据库上的实验显示了我们的技术的有效性。


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


知识史的社会网络分析 | 网络科学论文速递9篇

基于自注意机制的有向网络时间链路预测 | 网络科学论文速递25篇

用于三维多目标跟踪的图形神经网络 | 网络科学论文速递34篇

组织间专利对抗网络: 公司如何形成对抗关系 | 网络科学论文速递13篇

群体免疫异质性及其超级传播效应 | 网络科学论文速递10篇

加入集智，一起复杂！




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！


👇点击“阅读原文”，了解更多最新arxiv论文