搜索引擎优化论文(通过复杂网络表征深度神经网络的学习动态()() )

　　搜索引擎优化论文(通过复杂网络表征深度神经网络的学习动态()()

)

　　通过复杂网络表征深度神经网络的学习动态

　　原标题：Characting Learning Dynamics of Deep Neural Networks via Complex Networks

　　地址：

　　作者：Emanuele La Malfa、Gabriele La Malfa、Giuseppe Nicosia、Vito Latora

　　

　　摘要：在本文中，我们使用复杂网络理论来解释深度神经网络。复杂网络理论 (CNT) 将深度神经网络 (DNN) 表示为有向加权图，以将它们作为动态系统进行研究。我们有效地采用 CNT 度量来检查具有不同初始化和架构的 DNN 学习过程的演变：我们引入节点/神经元和层度量，即节点强度和层波动。我们的框架提取了学习动态的趋势，并将低精度网络与高精度网络区分开来。我们表征神经网络群体（集成分析）和个体实例（个体分析）。我们解决了图像识别的标准问题，我们表明，当仅通过链接权重分析进行分析时，特定的学习动态是无法区分的。此外，节点强度和层波动实现了前所未有的行为：与训练不足的模型相比，准确的网络显示出显着不同的分布，具有更大的偏差限制。在这项研究的基础上，我们为卷积和全连接网络提供了有效的 CNT 指标实现，以加速该方向的研究。

　　基于切比雪夫多项式的个性化PageRank局部更新算法

　　原标题：A Local Updating Algorithm for Personalized PageRank via Chebyshev Polynomials

　　地址：

　　作者：Esteban Bautista、Matthieu Latapy

　　

　　摘要：个性化PageRank算法是最通用的网络分析工具之一。尽管它无处不在，但随着底层网络的发展，维护一个个性化的 PageRank 向量仍然是一项具有挑战性的任务。为了合理地解决这个限制，这项工作提出了一种新的分布式算法，当图拓扑发生变化时，该算法在本地更新个性化的 PageRank 向量。所提出的算法基于使用切比雪夫多项式和一个新的更新方程，其中收录许多基于 PageRank 的方法。特别是，该算法具有以下优点：（i）它比本地 PageRank 更新的最新替代方案具有更快的收敛速度；(ii) 可以更新PageRank最近泛化的解决方案，但还没有开发出更新算法。

　　时间相关和多路网络分析的逻辑方法

　　原标题：时间和多路网络分析的逻辑方法

　　地址：

　　作者：Esteban Bautista、Matthieu Latapy

　　

　　摘要：许多系统将数据生成为一组三元组（a，b，c）：它们可能代表用户 a 在时间 c 调用 b 或客户 a 在商店 c 购买产品 b。这些数据集传统上被研究为具有附加维度（时间或层）的网络，为此时间和多路网络领域已经扩展了图论以解释新的维度。但是，此类框架将一个变量与其他变量分开，并允许以多种方式扩展相同的概念，从而难以在所有维度上表征模式并确定给定数据集的最佳定义。这份扩展摘要涵盖了这一愿景，并提出了对三元组的直接处理。特别是，我们的工作表明，通过对数据进行分区和构建对信息模式进行编码的分类命题，可以进行更一般的分析。我们展示了图论中的几个概念可以在这种形式下构建，并使用这些见解将概念扩展到数据三元组。最后，我们提出了一种算法来列出满足某些约束的命题并将它们应用于现实世界的数据集。

　　复杂网络中的稳健模块化

　　原标题：复杂网络中的鲁棒性模块化

　　地址：

　　作者：Filipi N. Silva、Aiiad Albeshri、Vijey Thayananthan、Wadee Alhalabi、Santo Fortunato

　　

　　摘要：网络社区检测的一个基本问题是给定网络的模块化程度。这通常通过评估网络中检测到的分区的质量来解决。Girvan-Newman (GN) 模块化函数是进行此评估的标准方法，但它有许多缺点。最重要的是，考虑到这个度量可以在没有社区的随机网络的分区上取相对较大的值，它不能被明确地解释。在这里，我们提出了一种基于鲁棒性概念的新度量：模块化是当网络结构被随机扰动时找到平凡分区的概率。这个概念可以用于任何可以判断何时没有组结构的聚类算法。对人工图和真实图的测试表明，稳健的模块化可用于评估和比较不同网络社区结构的强度。我们还介绍了另外两个质量函数：模块化差异，GN 模块化的适当归一化版本，以及信息模块化，基于信息压缩的距离度量。这两项措施都与强大的模块化密切相关，也是有希望的选择。

　　分数渗透中的新兴网络

　　原标题：分数渗透中的新兴网络

　　地址：

　　作者：LD Valdez，洛杉矶布劳恩斯坦

　　

　　摘要：真实网络容易受到随机故障和恶意攻击的影响。但是，当一个节点受到威胁或损坏时，它可能会保持部分功能，这有助于维持整体网络结构和功能。在本文中，我们研究了分数渗透过程的网络结构[Shang，Phys。Rev. E 89, 012813 (2014)], 其中节点的状态可以是完全功能 (FF)、部分功能 (PF) 或功能障碍 (D)。我们开发了新的方程来计算渗透的相对大小FF 和 PF 节点的集群，这与我们的随机模拟一致。此外，我们发现了一种机制，通过该机制，渗透的集群可以描述为粗粒度的二分网络，即由 PF 节点连接的有限 FF 节点组集。 ，这些组表现为一组“

　　Attention Walk 聚合图神经网络分析

　　原标题：Attentive Walk-Aggregating Graph Neural Networks 分析

　　地址：

　　作者：Mehmet F. Demirel、Shengchao Liu、Siddhant Garg、Yingyu Liang

　　

　　摘要：图神经网络 (GNN) 已被证明具有强大的表示能力，可用于对分子和社会网络等图结构数据进行下游预测任务。他们通常通过聚合来自图中列举的各个顶点或游走的 K-hop 邻域的信息来学习表示。以前的研究已经证明了将加权方案纳入 GNN 的有效性；然而，到目前为止，这主要局限于 K-hop 邻域 GNN。在本文中，我们旨在广泛分析将加权方案纳入步行聚合 GNN 的效果。为了实现这一点，我们提出了一种称为 AWARE 的新型 GNN 模型，该模型使用注意方案以有原则的方式聚合有关图游走的信息，以获得图级预测任务的端点。端到端的监督学习方法。我们对 AWARE 进行理论、实证和可解释性分析。我们的理论分析为加权 GNN 提供了第一个可证明的保证，展示了图形信息如何在表示中编码，以及 AWARE 中的加权方案如何影响表示和学习性能。我们凭经验证明，AWARE 在分子特性预测（61 项任务）和社交网络（4 项任务）领域的表现优于以前的基线。我们的解释研究表明，AWARE 可以成功地学习表征输入图的重要子结构。展示了图形信息如何在表示中编码，以及 AWARE 中的加权方案如何影响表示和学习性能。我们凭经验证明，AWARE 在分子特性预测（61 项任务）和社交网络（4 项任务）领域的表现优于以前的基线。我们的解释研究表明，AWARE 可以成功地学习表征输入图的重要子结构。展示了图形信息如何在表示中编码，以及 AWARE 中的加权方案如何影响表示和学习性能。我们凭经验证明，AWARE 在分子特性预测（61 项任务）和社交网络（4 项任务）领域的表现优于以前的基线。我们的解释研究表明，AWARE 可以成功地学习表征输入图的重要子结构。

　　基于行人车辆碰撞模型的经济实惠的工具，支持现场工作和重建

　　原标题：基于行人-车辆碰撞模型的负担得起的工具，用于支持实地工作和重建

　　地址：

　　作者：Ezequiel Martinez、Juan Pablo Vargas、Alejandra Baena

　　

　　摘要：提出了一种基于行人车辆碰撞模型的可自由访问工具。该模型允许通过称为碰撞前、碰撞和碰撞后的部分对整个动态事件进行定性和定量描述。此外，它可以确定车辆在与行人发生碰撞前的初始速度以及碰撞点在事故发生的道路上的位置。模型输入与现场采集的证据相关联，为支持调查人员的现场工作提供了一个库存平台。此外，预碰撞部分允许调查人员进行可避免性研究，这可能有助于道路安全评估。对该模型进行了验证，并将结果与​​使用假人、尸体和重建案例开发的实验案例进行了统计比较。没有显着差异，从而验证了它的功能。该工具以*敏*感*词*语和英语的移动应用程序形式提供，使一些低收入和中等收入国家的调查人员能够负担得起。

　　热随机双曲线动力学

　　原标题：热随机双曲图的动力学

　　地址：

　　作者：Fragkiskos Papadopoulos, Sofoclis Zambirinis

　　

　　摘要：我们推导了热态（网络温度 T > 1）下随机双曲线（接触和相互接触持续时间的分布）的最基本动态特性。我们表明，在热力学极限下，接触分布以指数 2+T > 3 的幂律衰减，持续时间 t > T，而另一方面，对于 t 3.，对于 T in (1,< @k31@ >，接触分布表现出幂律衰减，指数为 2-T in (0, 1)，而对于 T > 2，它显示出线性衰减，其斜率取决于观察间隔。只要它有一个有限的 T^textth 矩，如果 T in ( 1,2)，或者如果 T > 2 则有一个有限的二阶矩。否则，接触分布取决于预期的度数分布，如果后者在 (2, 3) ,

　　先发优势解释了物理学引文中的性别差异

　　原标题：先发优势解释了物理学引文中的性别差异

　　地址：

　　作者：Hyunsik Kong、Samuel Martin-Gutierrez、Fariba Karimi

　　

　　摘要：越来越多的证据表明，STEM 领域（科学、技术、工程和数学）学者的出版物和引用受到性别偏见的影响。在本文中，我们研究了物理学世界，这是一个核心 STEM 领域，女性仍然缺乏代表性，并且这些性别差异仍然存在。为了揭示这种不平等，我们比较了由男性和女性领导的涵盖相同主题的论文以可比方式获得的引文。为此，我们设计了一个强大的出版物间相似性统计度量，使我们能够检测成对的相似论文。我们的研究结果表明，虽然女性撰写的论文在引文网络中的知名度往往较低，但男性和女性撰写的类似论文在发表修正后受到同等关注。

　　Lotka-Volterra 和 May-Leonard 空间随机石头剪刀布模型公式：缺失的环节

　　原标题：Lotka-Volterra 与空间随机 Rock-Paper-Scissors 模型的 May-Leonard 公式：缺失的环节

　　地址：

　　作者：PP Avelino、BF de Oliveira、RS Trintin

　　

　　摘要： 剪刀石头布（RPS）模型成功地再现了自然界中观察到的具有种间竞争的简单循环捕食者 - 猎物系统的一些主要特征。尽管如此，已知基于格的空间随机 RPS 模型模拟会产生显着不同的结果，这取决于是采用三态 Lotka-Volterra 还是四态 May-Leonard 公式。这与模型参数的值和冯诺依曼或摩尔邻域的使用无关。为了减少使用离散格的影响，在本文中，我们对标准空间随机 RPS 模型进行了简单的修改，其中最近邻的搜索范围可以扩展到最大的欧几里得半径 R。我们表明，通过这种调整, Lotka-Volterra 和 May-Leonard 公式可以设计为在动态和空间特性方面产生类似的结果，并选择适当的参数。特别是，我们表明，这种修改后的空间随机 RPS 模型自然会导致其三态和四态公式中的螺旋模式。

　　免责声明：Arxiv文章摘要的版权归论文原作者所有。机器翻译后，我会更正和整理。未经允许请勿转载。本系列在公众号“网络科研速递”（netsci）和个人博客上同步更新。