复杂世界中观点形成的脆弱性 | 网络科学论文速递13篇
-
复杂世界中观点形成的脆弱性；
-
蛋白质稳定性测量与热力学的联系；
-
将机器学习物理映射到人类可读的空间；
-
众包式排名算法不稳定性的根源；
-
再现科学家的流动性: 一个数据驱动的模型；
-
论公开信息对金融市场的影响；
-
基于深强化学习的无线数据采集多无人机路径规划； -
基于社会学习的网络分类器； -
曲面到平面转换中的经典混沌与波动混沌； -
蛋白质稳定性测量与热力学的联系； -
将机器学习物理映射到人类可读的空间； -
众包排名算法不稳定性的根源； -
再现科学家的流动性:一个数据驱动的模型；
复杂世界中观点形成的脆弱性
原文标题：
The fragility of opinion formation in a complex world
地址：
https://pattern.swarma.org/paper?id=39e9fb90-1742-11eb-b47b-0242ac1a000c
作者：
Matúš Medo,Manuel S. Mariani,Linyuan Lü
摘要：随着大量高质量的信息在我们的指尖，怎么可能有许多人相信地球是扁平的，疫苗接种是有害的？基于这个问题，我们量化了一种观点形成机制的含义，在这种机制下，一个不了解情况的观察者逐渐形成对一个由相互信任和不信任的签名网络相互关联的主体组成的世界的。我们用数值和分析的方法表明，观察者的结果观点是高度不一致的(它们倾向于独立于观察者的初始观点)和不稳定的(它们表现出广泛的随机变化)。观点的不一致性和不稳定性随着主题数量所代表的世界复杂性的增加而增加，这可以通过适当扩大观察者的初始信息量来防止。我们的研究结果意味着，即使一个人最初相信可靠的信息来源，如果可靠的和欺骗的信息来源之间至少存在少量的信任关系，那么最终也可能相信欺骗性的信息来源。
蛋白质稳定性测量
与热力学的联系
原文标题：
Linking thermodynamics and measurements of protein stability
地址：
https://pattern.swarma.org/paper?id=c5534f68-1744-11eb-b47b-0242ac1a000c
作者：
Kresten Lindorff-Larsen,Kaare Teilum
摘要：本文综述了平衡蛋白质去折叠实验的背景、理论和一般方程，重点介绍了变性和热诱导去折叠实验。重点介绍了可逆折叠/展开跃迁的热力学和提取热力学参数的实验方法。我们强调了模拟折叠平衡如何依赖于一个扰动变量，如温度或变性剂浓度的重要性，以及在实验观测基线模拟的重要性。
将机器学习物理映射到
人类可读的空间
原文标题：
Mapping Machine-Learned Physics into a Human-Readable Space
地址：
https://pattern.swarma.org/paper?id=de6d1bd8-1743-11eb-b47b-0242ac1a000c
作者：
Taylor Faucett,Jesse Thaler,Daniel Whiteson
摘要：本文提出了一种将在高维输入空间上运行的黑盒机器学习分类器转换为一组可以解释的小型观测量的技术，这些观测量可以组合起来作出相同的分类决策。我们通过寻找与黑盒相关的决策相似度最高的判别函数，迭代地从大量的高级判别函数中选择这些可观测的数据，并通过引入一个度量来评估输入对的相对排序，从而量化这些数据。连续的迭代只关注被当前可观测量集合错误排序的输入对的子集。这种方法可以简化机器学习策略，根据理解透彻的物理概念解释结果，验证物理模型，并可能对问题本身的性质有新的认识。作为一个演示，我们将我们的方法应用到对撞机物理学中喷气分类的基准任务中，在这个任务中，作用于热量计喷气图像的卷积神经网络比一组6个著名喷气子结构的可观测性要好。我们的方法将卷积神经网络映射到一组被称为能量流多项式的可观测量中，并且通过识别一类有趣的物理解释来弥补性能差距，这种解释在以前的喷气式子结构文献中被忽略了。
众包式排名算法不稳定性的根源
原文标题：
Origins of Algorithmic Instabilities in Crowdsourced Ranking
地址：
https://pattern.swarma.org/paper?id=0c553c3e-1743-11eb-b47b-0242ac1a000c
作者：
Keith Burghardt,Tad Hogg,Raissa M. D’Souza,Kristina Lerman,Marton Posfai
摘要：众包系统聚合许多人的决策，以帮助用户快速识别高质量的选项，例如问题的最佳答案或有趣的新闻故事。众包中一个长期存在的问题是，选择权质量和人类判断的启发式是如何相互影响集体结果的，比如选择权的知名度。我们通过进行一个对照实验来解决这个限制，受试者可以从两个质量可以独立变化的排名选项中进行选择。我们使用这些数据来构建一个模型，量化在决定两个选项时，判断启发式和选项质量是如何结合的。该模型揭示了流行度排名可能是不稳定的: 除非两个选项之间的质量差异足够大，否则高质量的选项最终不能保证排名第一。为了纠正这种不稳定性，我们创建了一个算法，该算法考虑到判断启发式推断出最佳选项，并将其排在第一位。如果数据与模型匹配，则保证该算法是最优的。然而，当数据与模型不匹配时，仿真结果表明，在实践中，对于任何两个选择问题，该算法表现得更好，或者至少与基于流行度和基于近因性的排名一样好。我们的研究表明，依赖于用户行为数学模型推理的算法可以极大地改善众包系统的结果。
再现科学家的流动性:
一个数据驱动的模型
原文标题：
Reproducing scientists’ mobility: A data-driven model
地址：
https://pattern.swarma.org/paper?id=3a9d1f22-1742-11eb-b47b-0242ac1a000c
作者：
Giacomo Vaccario,Luca Verginer,Frank Schweitzer
摘要：高技能劳动力是支撑现代经济竞争优势的一个重要因素。因此，吸引和留住科学家已成为移民政策的一个主要关切。在这项工作中，我们研究科学家在全球范围内的迁移，通过结合两个大型数据集，涵盖了350万科学家60年来的出版物。我们分析了他们因新的隶属关系而移动的地理距离，以及他们移动时的年龄，通过这种方式重建了他们的地理“职业道路”。这些路径被用来推导世界科学家网络之间的城市流动性和分析其拓扑性质。我们进一步开发和校准了一个个体为本模型数据库，这样它就可以在科学家和全球网络层面上重现经验主义的发现。我们的模型考虑到学术招聘过程在很大程度上是需求驱动的，并表明科学家搬迁的概率随着年龄和距离的增加而降低。我们的研究结果允许将模型假设解释为基于微观的决策规则，可以解释科学家观察到的流动模式。
论公开信息对金融市场的影响
原文标题：
On the impact of publicly available news and information transfer to financial markets
地址：
https://pattern.swarma.org/paper?id=37270af6-1742-11eb-b47b-0242ac1a000c
作者：
Metod Jazbec,Barna Pásztor,Felix Faltings,Nino Antulov-Fantulin,Petter N. Kolm
摘要：我们量化了从万维网到金融市场的大规模公开新闻文章的传播和吸收。为了提取公开可用的信息，我们使用 Common Crawl 中的新闻档案，这是一个爬行大部分网络的非营利组织。我们开发了一个处理管道，以识别标准普尔500指数中与成分公司相关的新闻报道。标准普尔500指数是衡量美国公司股票表现的股票市场指数。利用机器学习技术，我们从共同爬行新闻数据中提取情绪评分，并利用信息论中的工具量化公共新闻文章向美国股市的信息传递。此外，我们分析和量化的经济意义的新闻为基础的信息与一个简单的基于情绪的投资组合交易策略。我们的研究结果为万维网上公开的信息提供了支持，这些信息对金融市场的事件具有统计学和经济学意义上的重大影响。
基于深强化学习的无线数据
采集多无人机路径规划
原文标题：
Multi-UAV Path Planning for Wireless Data Harvesting with Deep Reinforcement Learning
地址：
https://pattern.swarma.org/paper?id=6eb4748a-1748-11eb-b47b-0242ac1a000c
作者：
Harald Bayerlein,Mirco Theile,Marco Caccamo,David Gesbert
摘要：从分布式物联网(IoT)设备中获取数据是一个需要灵活路径规划方法的难题。我们提出了一种多智能体强化学习方法，与以前的工作相比，它可以适应定义数据采集任务的场景参数的深刻变化，如部署无人机的数量，物联网设备的数量和位置，或最大飞行时间，而不需要执行昂贵的重新计算或重新学习控制策略。针对无人机协同、非通信、同质的路径规划问题，提出了一种新的路径规划方法，该方法在满足飞行时间和避碰约束的前提下，最大限度地利用分布式物联网传感器节点的数据。将路径规划问题转化为一个分散的无人机控制策略问题(Dec-POMDP) ，通过训练一个双深度 q 网络(DDQN)来逼近无人机的最优控制策略。通过利用环境的全局-局部映射到代理的卷积层，我们表明，我们提出的网络结构使代理能够有效合作，仔细分工的数据收集任务之间，适应大的状态空间，并作出移动决策，平衡数据收集的目标，飞行时间效率和导航约束。
基于社会学习的网络分类器
原文标题：
Network Classifiers Based on Social Learning
地址：
https://pattern.swarma.org/paper?id=6c86a2f0-1748-11eb-b47b-0242ac1a000c
作者：
Virginia Bordignon,Stefan Vlaski,Vincenzo Matta,Ali H. Sayed
摘要：本文提出了一种新的基于空间和时间的独立训练分类器组合方法。空间上的组合意味着空间分布分类器的输出是聚集的。随着时间的推移，组合意味着分类器在测试期间响应流数据，并且即使在这个阶段也会继续提高它们的性能。通过这样做，提出的体系结构能够随着时间的推移提高预测性能与未标记的数据。受社会学习算法的启发，我们提出了一种社会机器学习(SML)范式，它能够利用在学习阶段生成的不完美模型。实验结果表明，该策略具有较高的一致性学习概率，并且对训练不足的分类器具有较强的鲁棒性。利用前向神经网络集成进行了仿真，验证了理论结果。
曲面到平面转换中的
经典混沌与波动混沌
原文标题：
Classical and wave chaos in the transformation from curved to flat surfaces
地址：
https://pattern.swarma.org/paper?id=75f31b30-1747-11eb-b47b-0242ac1a000c
作者：
Chenni Xu,Itzhack Dana,Li-Gang Wang,Patrick Sebbah
摘要：我们研究了光在非均匀折射率分布的曲面上和台球上的经典和波动混沌动力学。从变换光学的概念出发，我们证明了在共形坐标变换下，这两个系统在光线和光波方面是基本等效的。这种完全等价性使我们能够同时研究一类典型的曲面及其相应的转换台球。在这里我们考虑了截短的制革厂的梨和它的非均匀分布的折射率的等价平台台球，当一个偏心的洞被刺穿以引入混沌时。我们发现，混沌程度完全由制革厂梨子的单一几何参数控制。通过在变换后的台球中探索 Poincar’{ e }曲面的这个几何参数、李亚普诺夫指数以及本征模和本征频谱的统计量与这个几何参数的关系，证明了这一点。最后，当考虑到变换后的台球时，我们的发现自然而然地得到了一个简单的解释，这使得我们的预测可以扩展到其他类型的曲面。我们在这里揭示的两个先验不相关系统之间的强大类比，不仅提出了一种控制混沌程度的新方法，而且为进一步研究和应用在诸如台球设计、光纤或激光微腔等各个领域提供了潜力。
蛋白质稳定性测量与热力学的联系
原文标题：
Linking thermodynamics and measurements of protein stability
地址：
https://pattern.swarma.org/paper?id=c5534f68-1744-11eb-b47b-0242ac1a000c
作者：
Kresten Lindorff-Larsen,Kaare Teilum
摘要：本文综述了平衡蛋白质去折叠实验的背景、理论和一般方程，重点介绍了变性和热诱导去折叠实验。重点介绍了可逆折叠/展开跃迁的热力学和提取热力学参数的实验方法。我们强调了模拟折叠平衡如何依赖于一个扰动变量，如温度或变性剂浓度的重要性，以及在实验观测基线模拟的重要性。
将机器学习物理映射
到人类可读的空间
原文标题：
Mapping Machine-Learned Physics into a Human-Readable Space
地址：
https://pattern.swarma.org/paper?id=de6d1bd8-1743-11eb-b47b-0242ac1a000c
作者：
Taylor Faucett,Jesse Thaler,Daniel Whiteson
摘要：本文提出了一种将在高维输入空间上运行的黑盒机器学习分类器转换为一组可以解释的小型观测量的技术，这些观测量可以组合起来作出相同的分类决策。我们通过寻找与黑盒相关的决策相似度最高的判别函数，迭代地从大量的高级判别函数中选择这些可观测的数据，并通过引入一个度量来评估输入对的相对排序，从而量化这些数据。连续的迭代只关注被当前可观测量集合错误排序的输入对的子集。这种方法可以简化机器学习策略，根据理解透彻的物理概念解释结果，验证物理模型，并可能对问题本身的性质有新的认识。作为一个演示，我们将我们的方法应用到对撞机物理学中喷气分类的基准任务中，在这个任务中，作用于热量计喷气图像的卷积神经网络比一组6个著名喷气子结构的可观测性要好。我们的方法将卷积神经网络映射到一组被称为能量流多项式的可观测量中，并且通过识别一类有趣的物理解释来弥补性能差距，这种解释在以前的喷气式子结构文献中被忽略了。
众包排名算法不稳定性的根源
原文标题：
Origins of Algorithmic Instabilities in Crowdsourced Ranking
地址：
https://pattern.swarma.org/paper?id=0c553c3e-1743-11eb-b47b-0242ac1a000c
作者：
Keith Burghardt,Tad Hogg,Raissa M. D’Souza,Kristina Lerman,Marton Posfai
摘要：众包系统聚合许多人的决策，以帮助用户快速识别高质量的选项，例如问题的最佳答案或有趣的新闻故事。众包中一个长期存在的问题是，选择权质量和人类判断的启发式是如何相互影响集体结果的，比如选择权的知名度。我们通过进行一个对照实验来解决这个限制，受试者可以从两个质量可以独立变化的排名选项中进行选择。我们使用这些数据来构建一个模型，量化在决定两个选项时，判断启发式和选项质量是如何结合的。该模型揭示了流行度排名可能是不稳定的: 除非两个选项之间的质量差异足够大，否则高质量的选项最终不能保证排名第一。为了纠正这种不稳定性，我们创建了一个算法，该算法考虑到判断启发式推断出最佳选项，并将其排在第一位。如果数据与模型匹配，则保证该算法是最优的。然而，当数据与模型不匹配时，仿真结果表明，在实践中，对于任何两个选择问题，该算法表现得更好，或者至少与基于流行度和基于近因性的排名一样好。我们的研究表明，依赖于用户行为数学模型推理的算法可以极大地改善众包系统的结果。
再现科学家的流动性:
一个数据驱动的模型
原文标题：
Reproducing scientists’ mobility: A data-driven model
地址：
https://pattern.swarma.org/paper?id=3a9d1f22-1742-11eb-b47b-0242ac1a000c
作者：
Giacomo Vaccario,Luca Verginer,Frank Schweitzer
摘要：高技能劳动力是支撑现代经济竞争优势的一个重要因素。因此，吸引和留住科学家已成为移民政策的一个主要关切。在这项工作中，我们研究科学家在全球范围内的迁移，通过结合两个大型数据集，涵盖了350万科学家60年来的出版物。我们分析了他们因新的隶属关系而移动的地理距离，以及他们移动时的年龄，通过这种方式重建了他们的地理“职业道路”。这些路径被用来推导世界科学家网络之间的城市流动性和分析其拓扑性质。我们进一步开发和校准了一个个体为本模型数据库，这样它就可以在科学家和全球网络层面上重现经验主义的发现。我们的模型考虑到学术招聘过程在很大程度上是需求驱动的，并表明科学家搬迁的概率随着年龄和距离的增加而降低。我们的研究结果允许将模型假设解释为基于微观的决策规则，可以解释科学家观察到的流动模式。
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
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
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
学习新技能是否有回报？揭示交叉技能的经济利益 | 网络科学论文速递11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
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
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
微信扫一扫,分享到朋友圈
