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


  • 从神经网络功能预测结构的几何框架；

  • 观察与帮助: 社会认知与人工智能协作的挑战；

  • 智能制造的无线控制: 最新方法和开放挑战；

  • 基于主体的模拟模型和深度学习技术评估和预测新冠肺炎周边交通趋势；

  • 因果几何学；

  • 使用压缩复杂度度量的因果发现；

  • 学习和预测行为的早期异常检测；

  • 鲁棒异步与网络无关的协作学习；

  • 因果网络动机: A/B 检验中异质溢出效应的识别；

  • 关系事件模型与反向强化学习序列之间的联系用于描述群体相互作用序列；

  • 改进的信用风险预测的多层网络分析；

  • 大型网络中的扩散；

  • 时间网络的影响最大化；

  • 检查: 中国新冠病毒疾病假新闻数据集；

  • 在现实世界电网的长期历史数据中寻找小世界和无标度行为；

  • 图上超快速随机游动的随机多跳模型；

  • 涂鸦的空间分布: 一种复杂网络方法；



从神经网络功能预测

结构的几何框架


原文标题：

A geometric framework to predict structure from function in neural networks

地址：

https://pattern.swarma.org/paper?id=8849fac6-1367-11eb-9c75-0242ac1a000c

作者：

Tirthabir Biswas,James E. Fitzgerald


摘要：生物和人工网络中的神经计算依赖于非线性突触整合。神经元之间突触权重的结构连接矩阵是整个网络功能的关键决定因素。然而，神经网络结构和功能之间的定量联系是复杂而微妙的。例如，许多网络可以产生相似的功能响应，同一个网络可以根据环境的不同而发挥不同的功能。是否需要某些模式的突触连接来生成特定的网络级计算，这在很大程度上还是未知数。在这里，我们介绍了一个几何框架，以确定所需的突触连接稳定状态的反应网络的纠正线性神经元。假设特定响应模式的数量不超过输入突触的数量，我们分析计算所有能够从网络输入产生特定响应的前馈和循环连接矩阵。然后，我们使用这个解析角色塑造来严格分析解空间几何形状，并推导出确定性条件，保证神经元之间有一个非零突触。前馈网络和递归网络的数值仿真验证了我们的分析结果。我们的理论框架可以应用于神经活动的数据，使解剖预测，遵循一般的模型架构。因此，它提供了新的机会，识别什么样的模型特征需要准确地联系神经网络的结构和功能。



观察与帮助: 

社会认知与人工智能协作的挑战


原文标题：

Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration

地址：

https://pattern.swarma.org/paper?id=cdf0d6b8-136b-11eb-9c75-0242ac1a000c

作者：

Xavier Puig,Tianmin Shu,Shuang Li,Zilin Wang,Joshua B. Tenenbaum,Sanja Fidler,Antonio Torralba


摘要：在这篇文章中，我们介绍了 Watch-And-Help (WAH) ，一个在代理中测试社会智能的挑战。在 WAH，人工智能代理需要帮助一个类似人类的代理有效地执行一个复杂的家庭任务。为了获得成功，人工智能代理需要: i)通过观察类人代理执行相同任务的单一演示来理解任务的潜在目标(社会感知) ，ii)与类人代理协调，以便在一个看不见的环境中尽快解决任务(人工智能协作)。针对这一挑战，我们构建了 VirtualHome-Social，一个多代理家庭环境，并提供了一个基准，包括计划和基于学习的基线。我们使用客观的度量和主观的用户评价来评估人工智能代理的性能。实验结果表明，所提出的挑战和虚拟环境能够在规模上对机器社会智能的重要方面进行系统的评价.



智能制造的无线控制: 

最新方法和开放挑战


原文标题：

Wireless Control for Smart Manufacturing: Recent Approaches and Open Challenges

地址：

https://pattern.swarma.org/paper?id=cbe08904-136b-11eb-9c75-0242ac1a000c

作者：

Dominik Baumann,Fabian Mager,Ulf Wetzker,Lothar Thiele,Marco Zimmerling,Sebastian Trimpe


摘要：智能制造旨在通过使材料流程和制造过程更加灵活、通用和可扩展，克服当今刚性装配线的局限性。主要的经济驱动力是更高的资源和成本效率，因为制造商可以更快地适应不断变化的市场需求，并且还可以延长其生产地点的使用寿命。移动机器人、远程传感器和人类操作员之间快速、可靠地关闭反馈回路的能力是智能制造的关键推动力。因此，本文对无线网络的控制与协调提供了一个新的视角。基于对现实世界用例的分析，我们确定了需要解决的主要技术挑战，以弥合当前工业的最新状态与智能制造的愿景之间的巨大差距。我们讨论了文献中现有的无线控制解决方案在多大程度上解决了这些挑战，包括我们自己对控制和无线通信紧密集成的方法。除了闭环稳定性的理论分析，在网络物理实验平台上的实际实验表明，我们的方法支持相关的智能制造场景。文章最后讨论了开放的挑战和未来的研究方向。



基于主体的模拟模型

和深度学习技术评估

和预测新冠肺炎周边交通趋势


原文标题：

Agent-based Simulation Model and Deep Learning Techniques to Evaluate and Predict Transportation Trends around COVID-19

地址：

https://pattern.swarma.org/paper?id=65bd0922-136b-11eb-9c75-0242ac1a000c

作者：

Ding Wang,Fan Zuo,Jingqin Gao,Yueshuai He,Zilin Bian,Suzana Duran Bernardes,Chaekuk Na,Jingxing Wang,John Petinos,Kaan Ozbay,Joseph Y. J. Chow,Shri Iyer,Hani Nassif,Xuegang Jeff Ban


摘要：2019冠状病毒疾病流感大流行已经影响了旅游行为和交通系统的运作，各个城市正在努力解决什么样的政策才能有效地实现由社会距离塑造的分阶段重新开放。这个版本的白皮书更新了旅游趋势，并强调了一个基于代理的模拟模型的结果，以预测分阶段重新开放策略的影响。本文还介绍了一种实时视频处理方法，通过摄像头测量城市街道上的社会距离。



因果几何学


原文标题：

Causal Geometry

地址：

https://pattern.swarma.org/paper?id=78438d32-1366-11eb-9c75-0242ac1a000c

作者：

Pavel Chvykov,Erik Hoel


摘要：信息几何通过量化模型参数对预测效果的影响，提供了一种形式化研究科学模型有效性的方法。然而，尽管因果模型是科学和解释的基本组成部分，但是在这个框架中对因果关系的正式调查却很少。这里我们介绍了因果几何，它不仅形式化了结果是如何被参数影响的，而且还介绍了模型的参数是如何被干预的。因此，我们引入了“有效信息”的几何形式——一种已知的衡量因果关系信息性的方法。我们证明了它是通过效果空间和干预空间的匹配，以它们的几何一致性的形式给出的。因此，给定一个固定的干预能力，一个有效的因果模型是一个匹配这些干预。这是“因果出现”的结果，即宏观的因果关系可能比“基本的”微观关系携带更多的信息。因此，我们认为，粗粒度模型可能比微观模型提供更多的信息，尤其是当它更好地匹配可获得的干预规模时——正如我们在玩具实例中所说明的那样。



使用压缩复杂度度量的因果发现


原文标题：

Causal Discovery using Compression-Complexity Measures

地址：

https://pattern.swarma.org/paper?id=76d69e1c-1366-11eb-9c75-0242ac1a000c

作者：

Pranay SY,Nithin Nagaraj


摘要：因果推理是所有科学领域中最基本的问题之一。我们讨论了从两个观察到的离散符号序列 x 和 y 推断因果方向的问题。本文提出了一种基于无损压缩器的序列对上下文无关文法推导框架，并对从一个序列推导出的文法压缩另一个序列的程度进行了量化。如果从 x 推导出的语法比从其他方向推导出的语法能更好地压缩 y，我们就可以推断 x 导致 y。为了将这个概念付诸实践，我们提出了三个模型，它们使用压缩复杂性度量(CCMs)-Lempel-Ziv (LZ)复杂性和努力压缩(ETC)来推断 CFGs 并发现因果方向。我们评估这些模型的合成和现实世界的基准和经验观察业绩竞争力与当前国家的最先进的方法。最后，我们提出了一个独特的应用模型的因果推断直接从基因组序列对属于 SARS-CoV-2病毒。利用大量的序列，我们表明我们的模型捕获序列对之间的定向因果信息交换，提供了新的机会解决关键问题，如接触追踪，基序发现，毒力和致病性的进化在未来的应用。



学习和预测行为的早期异常检测


原文标题：

Early Anomaly Detection by Learning and Forecasting Behavior

地址：

https://pattern.swarma.org/paper?id=5e7575c4-1365-11eb-9c75-0242ac1a000c

作者：

Tong Zhao,Bo Ni,Wenhao Yu,Meng Jiang


摘要：图形异常检测系统旨在识别社交网站和电子商务平台上的可疑账户或行为。及早发现异常用户对减少经济损失至关重要。当大量的观察到的行为数据可用时，现有的方法可以有效地执行，尽管可能为时已晚，无法避免这种损失。然而，当早期观测到的数据相当有限时，它们的性能就会变得不令人满意。在这项工作中，我们提出了 Eland，一个新颖的框架，它使用行为数据增强早期的异常检测。它有一个基于 seq2seq 的行为预测器，可以预测(i)用户是否会采用一个新项目或者一个已经被历史采用的项目，以及(ii)哪个项目会被采用。伊兰德利用了行为预测和图形异常检测之间的相互增强作用。行为图通过预测的行为得到扩展，使得基于图的异常检测方法可以获得更好的性能，并且检测结果反过来支持行为预测器。实验表明，Eland 改进了各种基于图的异常检测方法的性能。随着 Eland 的增强方法的出现，异常检测在早期阶段的表现可以与非增强方法在更大的观察量上相媲美或者更好。



鲁棒异步与网络无关的协作学习


原文标题：

Robust Asynchronous and Network-Independent Cooperative Learning

地址：

https://pattern.swarma.org/paper?id=5d9bddfa-1365-11eb-9c75-0242ac1a000c

作者：

Eduardo Mojica-Nava,David Yanguas-Rojas,César A. Uribe


摘要：我们考虑了基于分布式非贝叶斯学习的合作学习模型，其中一个代理网络试图共同同意一个假设，该假设最好地描述了一系列局部可用的观察结果。基于最近提出的弱通信网络模型，我们提出了一个鲁棒的协作学习规则，该规则允许异步通信、消息延迟、不可预知的消息丢失和节点间的定向通信。我们证明，我们提出的学习动力学保证了网络中的所有代理人在错误的假设上的信念会有一个渐近指数衰减，这表明所有代理人的信念将集中在最优假设上。数值实验为许多网络设置提供了证据。



因果网络动机:

A/B 检验中异质溢出效应的识别


原文标题：

Causal Network Motifs: Identifying Heterogeneous Spillover Effects in A/B Tests

地址：

https://pattern.swarma.org/paper?id=5aef2ae4-1365-11eb-9c75-0242ac1a000c

作者：

Yuan Yuan,Kristen M. Altenburger,Farshad Kooti


摘要：随机实验或“ A/B”测试仍然是评估政策干预或产品变化的因果效应的黄金标准。然而，实验设置，如社会网络，其中用户互动和影响彼此，违反了传统的假设，不需要干预可信的因果推断。现有的解决方案包括计算用户网络中被处理邻居的比例或计数等。然而，在描述网络干扰条件时，往往有大量的研究人员的自由度，而且大多数现有的方法除了简单地计算邻居的数目之外，并没有考虑局部网络结构。捕获局部网络结构是重要的，因为它可以解释理论，如结构多样性和回音室。我们的研究提供了一种方法，通过主题来解释用户社交网络中的局部结构以及邻居的分配条件。我们提出一个分两部分的方法。我们首先引入并使用“因果网络模式” ，即描述局部自我网络中分配条件的网络模式，然后提出一种基于树的算法来识别不同的网络干扰条件并估计它们的平均潜在结果。我们在一个大规模网络和一个综合网络设置的现实世界实验中测试了我们的方法，这突出了如何计算局部结构可以更好地解释网络中的不同干扰模式。



关系事件模型与反向强化学习

序列之间的联系

用于描述群体相互作用序列


原文标题：

Connections between Relational Event Model and Inverse Reinforcement Learning for Characterizing Group Interaction Sequences

地址：

https://pattern.swarma.org/paper?id=570b0614-1365-11eb-9c75-0242ac1a000c

作者：

Congyu Wu


摘要：本文探讨了网络科学领域的关系事件模型(REM)和机器学习领域的逆强化学习事件模型(IRL)之间以前未被发现的联系，以及它们在群体环境中描述有向社会交互事件序列的能力。快速眼动是解决这类问题的常规方法，而 IRL 的应用基本上是一条未尝试过的道路。我们首先检查 REM 和 IRL 的数学部分，找出两种方法之间的直接类比，以及 IRL 方法的独特特征。通过一个实验，我们证明了 IRL 在描述群体社会互动中的特殊效用。在这个实验中，我们使用 IRL 来推断个体的行为偏好，这个偏好是基于一系列虚拟现实游戏中的玩家相互作用和合作来完成一个共同的目标。我们的比较和实验为社会行为分析引入了新的视角，并帮助激发了在社会网络分析和机器学习之间的联系的新的研究机会。


改进的信用风险预测的

多层网络分析


原文标题：

Multilayer Network Analysis for Improved Credit Risk Prediction

地址：

https://pattern.swarma.org/paper?id=52cef204-1365-11eb-9c75-0242ac1a000c

作者：

María Óskarsdóttir,Cristián Bravo


摘要：本文提出了一个多层次的信用风险评估网络模型。我们的模型考虑到了借款人之间的多重联系(比如他们的地理位置和经济活动) ，并且允许明确地为关联的借款人之间的互动建模。我们开发了一个多层次的个性化 PageRank 算法，允许量化网络中任何借款人的默认曝光强度。我们在一个农业贷款框架中对我们的方法进行了测试，在这个框架中，长期以来人们一直怀疑，当借款人面临同样的结构性风险时，借款人之间的违约是相互关联的。我们的研究结果表明，只要将中心性多层网络信息加入到模型中，就可以获得显著的预测收益，而这种收益可以通过更复杂的信息(如多层 PageRank 变量)得到增加。结果表明，当一个人与许多违约者有联系时，违约风险最高，但这种风险因个人所在社区的规模而得到缓解，表明违约风险和金融稳定性在整个网络中传播。



大型网络中的扩散


原文标题：

Diffusion in large networks

地址：

https://pattern.swarma.org/paper?id=4f9d80b4-1365-11eb-9c75-0242ac1a000c

作者：

Michel Grabisch,Agnieszka Rusinowska,Xavier Venel


摘要：我们研究在一个可数无限的社会中，个体在网络中与他们的邻居相互作用的扩散现象。在给定的时间内，每个个体要么是活跃的，要么是不活跃的。扩散由两个特征驱动: 网络结构和以聚集函数表示的扩散机制。我们区分了两种扩散机制(概率的、确定的) ，重点讨论了两种类型的聚集函数(严格的、布尔的)。在严格的聚集功能下，社会不会发生两极分化，社会状态会朝着无限多个活跃的和无限多个不活跃的因素的混合方向发展，或朝着同质化的社会发展。在布尔聚合函数下，扩散过程具有确定性，Morris (2000)的传染模型成为我们框架的一个特例。两极分化就会发生。在这两种情况下，我们的动力学也允许循环。网络结构与这些问题无关，但对于建立不可约性至关重要，代价是丰富性假设: 网络应该包含无限多个复杂的恒星，并且有足够的空间存储局部构型。我们的模型可以通过一个局部协调博弈给出一个博弈论解释，其中每个参与者在一个随机邻域中应用一个最佳对策策略。



时间网络的影响最大化


原文标题：

Influence maximization on temporal networks

地址：

https://pattern.swarma.org/paper?id=d116919a-1364-11eb-9c75-0242ac1a000c

作者：

Sirag Erkol,Dario Mazzilli,Filippo Radicchi


摘要：我们认为在时间网络上播种的最佳化问题是一个传播过程，以便最大化预期的爆发规模。我们将这个问题描述为一个传播过程，遵循易感染-感染-恢复模型的规则，其时间尺度等同于描述网络拓扑演变的模型。我们基于12个真实世界时间网络的语料库进行系统分析，并量化使用不同水平的网络拓扑和动态信息获得的影响最大化问题的解决方案的性能。我们发现，拥有完美的网络拓扑知识，但在静态和/或聚合的形式是无助于有效地解决影响最大化问题。相反，对网络动力学早期阶段的知识，即使是片面的，对于确定准最优的有影响力的传播者集似乎是必不可少的。



检查: 

中国新冠病毒疾病假新闻数据集


原文标题：

CHECKED: Chinese COVID-19 Fake News Dataset

地址：

https://pattern.swarma.org/paper?id=4af3a4d0-1365-11eb-9c75-0242ac1a000c

作者：

Chen Yang,Xinyi Zhou,Reza Zafarani


摘要：2019冠状病毒疾病影响了所有人的生活。为了保持社会距离和避免曝光，工作和生活逐渐转移到了网上。在这种趋势下，社交媒体获取2019冠状病毒疾病新闻的使用量增加了。唉，2019冠状病毒疾病微博上的错误信息经常在社交媒体上传播。在这项工作中，我们开发了 CHECKED，这是第一个关于2019冠状病毒疾病错误信息的中文数据集。CHECKED 提供了可信的基础真理，通过确保特定的来源被使用仔细获得。检查包括与2019冠状病毒疾病微博相关的微博，使用特定的关键字列表来识别，涵盖了从2019年12月到2020年8月发布的2120个微博。每个微博数据集包含丰富的多媒体信息，包括地面真相标签，文本，视觉，响应和社会网络信息。我们希望 CHECKED 能够促进针对冠状病毒错误信息的研究。这个数据集可以在 https://github.com/cyang03/checked 数据中心获得，并有保护用户隐私的措施。



在现实世界电网的

长期历史数据中

寻找小世界和无标度行为


原文标题：

Searching for small-world and scale-free behaviour in long-term historical data of a real-world power grid

地址：

https://pattern.swarma.org/paper?id=ccd93f6a-1364-11eb-9c75-0242ac1a000c

作者：

Bálint Hartmann,Viktória Sugár


摘要：本文利用匈牙利电网长达70年的历史数据集进行复杂网络分析，这是第一次尝试评估长期真实世界数据的小世界和无尺度特性。



图上超快速随机游动的

随机多跳模型


原文标题：

Random Multi-Hopper Model. Super-Fast Random Walks on Graphs

地址：

https://pattern.swarma.org/paper?id=c3804a12-1364-11eb-9c75-0242ac1a000c

作者：

Ernesto Estrada,Jean-Charles Delvenne,Naomichi Hatano,José L. Mateos,Ralf Metzler,Alejandro P. Riascos,Michael T. Schaub


摘要：我们建立了一般图上具有长距离跳数的随机步行者模型。这种随机的多跳跃者从一个节点跳到图中的任何其他节点，其概率随着两个节点之间的最短路径距离的函数衰减。我们在这里考虑两个衰减函数的形式的拉普拉斯和梅林变换的最短路径的距离。值得注意的是，当这些变换的参数渐近地接近零时，图中任意两个节点之间的多跳跃点击中次数收敛到它们的最小可能值，该值由完全图上正常随机步行者的击中次数给出。换句话说，对于小的参数值，多跳跃者探索一个一般的图表时，尽可能快地比较一个随机步行者在一个完整的图表。通过计算实验表明，在较大的参数范围内，与正态随机步行器相比，多跳跃者确实能更有效地探索具有簇或偏度分布的图。通过对确定性网络、随机网络和实际网络的研究，进一步证明了随机多跳跃模型相对于正常随机步行者的加速性能。



涂鸦的空间分布: 

一种复杂网络方法


原文标题：

Spatial distribution of graffiti: A complex network approac

地址：

https://pattern.swarma.org/paper?id=bef38a40-1364-11eb-9c75-0242ac1a000c

作者：

Eric K. Tokuda,Henrique F. de Arruda,Cesar H. Comin,Roberto M. Cesar-Jr.,Claudio T. Silva,Luciano da F. Costa


摘要：尽管城市之间存在巨大的差异，但它们在社会不平等、政治和犯罪方面面临着相似的挑战。城市艺术从市民的角度来表达这些感受。特别是，公共表面的素描和绘画可以携带丰富的时间和地区的信息。现有的研究已经探索了涂鸦的空间分布，但大多数研究将涂鸦视为一个整体，没有分类。而且，这些分析很少考虑城市的地形。在这项工作中，我们建议将涂鸦分为三种类型: 简单的涂鸦、复杂的涂鸦和油画布。我们分析了各类型的空间分布，并确定了各类型的空间偏差。为了进一步分析这些类型的空间分布，我们应用了复杂网络的概念。首先，得到由城市网络连通性剖面定义的区域(社区) ，并分析各类涂鸦在这些区域的流行程度。接下来，计算一个基于网络动态(可访问性)的度量，并与涂鸦类型的分布进行比较。对巴西圣保罗市的三种不同类型的涂鸦进行了个案研究。结果表明，这些类别具有明显的空间分布特征。然而，网络中每个类型与每个社区的比例并没有显著的偏差。最后，每种涂鸦类型的位置与可达性之间存在小的正相关关系。


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


超图超边的局部几何及其在社会网络中的应用 | 网络科学论文速递9篇

流网络中恢复与失效扩散的拓扑理论 | 网络科学论文速递12篇

城市形态和增长的分形建模与空间分析：以深圳市为例 | 网络科学论文速递14篇

基于目标分类和TRIZ的自然启发式算法 | 网络科学论文速递14篇

衡量高速铁路对中国城市互动的动态影响 | 网络科学论文速递13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