都市尺度的COVID-19爆发：它们的相似程度如何？
原文标题： Metropolitan-scale COVID-19 outbreaks: how similar are they?
地址： http://arxiv.org/abs/2004.01248
摘要： 在本研究中，我们使用2020年1月21日至3月25日的美国县级COVID-19病例数据来研究都市尺度的病例增长行为。特别是，我们假设所有局部爆发都处于早期阶段（病例数呈指数增长，或已得到有效遏制），并比较了针对不同都市地区的不同简单指数和线性增长模型的解释性表现。虽然我们发现城市规模与指数增长率（与 R0 直接相关，这表示受感染的个体感染的平均数量）之间没有关系，但我们确实发现较大的城市似乎开始呈指数级传播，因此处于提交时的大流行阶段。我们还使用较新的数据来计算给定模型的预测误差，并且发现在许多城市中，根据3月26日之前的数据训练的指数增长模型对于此较新时期（3月26日至30日）的病例数预测效果不佳，这可能表明通过社会隔离促进了新病例数量的减少。
可持续缓解COVID-19的交替锁定策略
原文标题： An alternating lock-down strategy for sustainable mitigation of COVID-19
地址： http://arxiv.org/abs/2004.01453
作者： Dror Meidan, Reuven Cohen, Simcha Haber, Baruch Barzel
摘要： 由于缺乏药物或疫苗，我们目前遏制COVID-19大流行的策略是通过社会疏远，特别是行动不便和封锁来实现的。这些措施给经济造成了严重伤害，并且很难长期维持。面临的挑战是，由于通常较长的潜伏期，即暴露的个体没有症状，但仍有助于传播，因此对COVID-19的选择性隔离（通常是可行且有效的策略）不足以抵抗COVID-19。在这里，我们提出了一种交替的锁定策略，在这种情况下，每种情况下，有一半的人口仍处于锁定状态，而另一半则继续处于活动状态，从而保持了活动和锁定之间每周连续的惯例。所有有症状的个体继续孤立无援。在这种制度下，如果一个人在活跃的一周中处于暴露状态，那么当他们完成锁定时，他们将开始表现出症状。因此，该策略在无症状阶段将大多数暴露个体隔离开来。我们发现，当补充行为准则以减少感染时，例如避免身体接触或保持个人卫生，这种策略不仅可以克服大流行，而且还可以保持一定程度的灵活性，可以承受一部分叛逃者或重要工人的持续不断活性。我们根据与COVID-19相关的参数的当前流行病学模型来研究我们的策略。但是，我们希望在进行这种交流后，根据实时的人类互动数据进一步测试和调整我们的方案，并评估其实际效果。
使用拓扑自动编码器生成COVID-19传输动力学相似度图
原文标题： Generating Similarity Map in COVID-19 Transmission Dynamics with Topological Autoencoder
地址： http://arxiv.org/abs/2004.01481
作者： Pitoyo Hartono
摘要： 在2019年底，世界范围内首次看到了由中国SARS-CoV2病毒引起的疾病COVID-19的爆发。世界卫生组织（WHO）于2020年3月22日宣布该疾病为大流行病。随着该疾病在全球范围内的传播，难以把握该疾病在所有国家的传播动态，因为它们在地理，人口统计和战略方面可能有所不同。在本简短说明中，作者建议利用一种神经网络为这些动力学生成全局拓扑图，在该拓扑图中，共享相似动力学的国家被相邻地映射，而动力学显著不同的国家被相互映射。作者认为，这种拓扑图可用于进一步分析和比较疾病动力学与以直观方式缓解此全球危机的策略之间的相关性。本文不对一些在240多个国家/地区按患者时间序列进行的初步实验进行解释。
冠状病毒COVID-19爆发的数学模型
原文标题： A mathematical model for the coronavirus COVID-19 outbreak
地址： http://arxiv.org/abs/2004.01487
作者： Roman Cherniha, Vasyl’ Davydovych
摘要： 提出了一种新的数学模型来定量描述新型冠状病毒COVID-19在中国的爆发。尽管该模型相对简单，但与公开数据的比较表明，该模型的解析解（具有正确指定的参数）可以得出结果，该结果与实测数据非常吻合。
瑞典COVID-19大流行的模型研究
原文标题： Model studies on the COVID-19 pandemic in Sweden
地址： http://arxiv.org/abs/2004.01575
作者： Chong Qi, Daniel Karlsson, Karl Sallmen, Ramon Wyss
摘要： 我们使用几种不同的模型研究了由COVID-19引起的瑞典感染和死亡的增加：首先是分析型易感感染（SI）模型和标准易感型感染恢复（SIR）模型。然后，在SIR框架内，我们研究易感感染者死亡（SID）相关性。所有模型都能很好地再现感染病例的数量，并给出相似的预测。引起我们深切关注的是，SI和SID模型预计会造成大量死亡。我们的分析表明，无论我们模型的预测可能有多大的不确定性，接下来的几天对于确定死亡病例的未来演变可能至关重要（更新于4月2日）。
识别公共交通系统中高影响力的疾病传播旅行者
原文标题： Identifying highly influential travellers for spreading disease on a public transport system
地址： http://arxiv.org/abs/2004.01581
作者： Ahmad El Shoghri (1 and 2), Jessica Liebig (2), Raja Jurdak (2 and 3), Lauren Gardner (4 and 5), Salil S. Kanhere (1) ((1) School of Computer Science and Engineering, University of New South Wales, Sydney, Australia, (2) Data61, Commonwealth Scientific and Industrial Research Organization, Brisbane, Australia, (3) School of Computer Science, Queensland University of Technology, Brisbane, Australia, (4) Department of Civil and Systems Engineering, Johns Hopkins University, Baltimore, USA, (5) Research Center for Integrated Transport Innovation (rCITI), UNSW Sydney, Sydney, Australia)
摘要： 最近爆发的新型冠状病毒及其迅速传播突出了了解人类活动的重要性。诸如公共交通工具（例如公共汽车和火车）的封闭空间为感染的广泛传播和迅速传播提供了合适的环境。因此，调查个人在公共交通系统上的运动方式和身体接触对理解传染病爆发的驱动力至关重要。例如，先前的工作已经探索了人类活动固有的重复模式对疾病传播的影响，但没有考虑其他方面，例如行进的距离或遭遇的次数。在这里，我们同时考虑了多个流动维度，以发现关键信息，以设计有效的干预策略。我们使用在澳大利亚悉尼收集的一个月的全市范围的智能卡旅行数据，按照三个维度对公共汽车乘客进行分类，即探索程度，旅行距离和遭遇次数。此外，我们模拟疾病在运输网络上的传播并追踪感染路径。我们详细调查分类组之间的传播，同时改变病原体的感染概率和悬浮时间。我们的结果表明，同时表征多个维度的人会发现不同的乘客群体之间复杂的感染相互作用，而仅考虑单个维度时，这种相互作用就会隐藏。我们还确定了具有特定疾病特征的人群，这些人群比其他人群更具影响力，可以指导遏制和疫苗接种工作。
出行方式如何驱动疾病传播：使用公交乘客卡旅行数据的案例研究
原文标题： How mobility patterns drive disease spread: A case study using public transit passenger card travel data
地址： http://arxiv.org/abs/2004.01466
作者： Ahmad El Shoghri (1 and 2), Jessica Liebig (2), Lauren Gardner (3 and 4), Raja Jurdak (2), Salil Kanhere (1) ((1) School of Computer Science and Engineering, University of New South Wales, Sydney, AUSTRALIA, (2) Data61, Commonwealth Scientific and Industrial Research Organization, Brisbane, AUSTRALIA, (3) School of Civil and Environmental Engineering, University of New South Wales, Sydney, Australia, (4) Department of Civil Engineering, Johns Hopkins University, Baltimore, USA)
摘要： 传染病暴发对人类健康构成全球威胁，被认为是重大的卫生保健挑战。疾病在空间上迅速传播的一个主要驱动因素是人的流动性。特别是，个人的出行方式在很大程度上决定了他们的传播潜力。可以使用新颖的基于位置的数据源（例如，智能旅行卡，社交媒体等）来捕获和建模这些出行行为。但是，这些研究是基于GPS数据和移动电话记录的，这些数据具有位置不确定性并且无法捕获明确的联系人。尚不清楚大型现实运输网络是否具有相同的结论。在本文中，我们研究了流动性模式如何在经验数据跟踪的大规模公共交通网络中影响疾病传播。与以前的发现相反，我们的结果表明，以出行方式最为频繁且经常出行的个人，其散布风险最高。
基于模体的加权有向网络谱聚类
原文标题： Motif-Based Spectral Clustering of Weighted Directed Networks
地址： http://arxiv.org/abs/2004.01293
作者： William George Underwood, Andrew Elliott, Mihai Cucuringu
摘要： 聚类是网络分析的一项必不可少的技术，其应用领域广泛。尽管谱聚类是一种流行且有效的方法，但它无法考虑高阶结构，并且在有向网络上的性能较差。一种方法是使用基序邻接矩阵捕获和聚类高阶结构。但是，当前的公式无法考虑边权重，因此，当权重是所研究网络的关键组成部分时，一定程度上受到限制。我们通过探索基于基序的加权谱聚类方法来解决这些缺点。我们为加权网络上的主题邻接矩阵提供了新的且对计算有用的矩阵公式，可用于为三个节点上的任何锚定或非锚定主题构建有效的算法。在非常稀疏的情况下，我们提出的方法可以在十分钟之内处理具有500万个节点和数千万条边的图。我们进一步使用我们的框架来构建基于主题的方法来聚类双向网络。我们提供了全面的实验结果，论证了（i）我们方法的可扩展性，（ii）在合成示例上进行高阶聚类的优势以及（iii）我们的技术在各种现实世界数据集上的有效性。我们得出结论，基于主题的谱聚类是用于分析有向和双向加权网络的有价值的工具，它也是可扩展的并且易于实现。
从巴黎到柏林：发现时尚风格在世界范围内的影响
原文标题： From Paris to Berlin: Discovering Fashion Style Influences Around the World
地址： http://arxiv.org/abs/2004.01316
作者： Ziad Al-Halah, Kristen Grauman
摘要： 服装样式的演变及其在全球范围内的迁移很有趣，但很难定量描述。我们建议从穿衣服的人的日常图像中发现和量化时尚影响力。我们引入一种方法来检测哪些城市在传播其风格方面会影响其他城市。然后，我们利用发现的影响力模式来提供一个预测模型，该模型可以预测任何给定样式在未来任何给定城市的流行程度。我们使用GeoStyle展示了我们的想法，GeoStyle是一个涵盖了44个主要世界城市的770万张图像的大规模数据集，我们介绍了发现的影响力关系，揭示了城市如何对一系列观察到的50种视觉样式施加和接收时尚影响力。此外，所提出的预测模型实现了具有挑战性的样式预测任务的最新结果，显示了在视觉上在空间和时间上发展演变的优势。
标度指数和标准差比之间的关系的推导
原文标题： Derivation of Relations between Scaling Exponents and Standard Deviation Ratios
地址： http://arxiv.org/abs/2004.01385
摘要： 异速增长定律是理解城市演变的基本规则之一。该定律的一般形式是异度尺度定律。但是，尺度指数的深层含义和基本原理仍有待揭示。在本文中，线性代数和回归分析的理论被用来揭示异形比例指数的数学和统计本质。假设城市系统中一组元素之间的几何度量关系遵循异速增长法则。理论上证明了一个异速尺度比例指数等于一个对数量度的标准偏差与另一对数量度的标准偏差之比。在基于观测数据的经验分析中，标度指数等于标准偏差比与相应的Pearson相关系数之间的乘积。这一发现可以推广到城市的分形和城市规模分布，以解释城市空间的分形维数和城市等级的Zipf尺度指数。可以得出结论，尺度指数反映了特征长度的比率。这项研究可能有助于从新的角度理解尺度，以及尺度与特征尺度之间的联系和区别。
出行目的地对于模拟个人出行方式的重要性
原文标题： On the importance of trip destination for modeling individual human mobility patterns
地址： http://arxiv.org/abs/2004.01435
作者： Maxime Lenormand, Juan Murillo Arias, Maxi San Miguel, José J. Ramasco
摘要： 在从公共卫生到交通和城市规划的广泛应用中，了解并精确再现人类的出行方式至关重要。在文献中，个人出行模型中仍未考虑个人将为旅行投入的努力与其目的重要性之间的关系。在这里，我们通过引入一个模型来解决这个问题，该模型假设了旅行的重要性与行进距离之间的关系。在大多数实际情况下，量化这种重要性是无法避免的。我们通过专注于购物旅行（我们有经验数据）并以商品价格为代表来克服这一困难。我们的模型能够再现经验观察到的长尾分布，并解释不同价格范围的曲线的崩溃。我们的结果表明，真实的比例关系的存在仅受假设与项目价值相关联的平均行进距离控制。
连接图和网络之间的鸿沟
原文标题： Bridging the gap between graphs and networks
地址： http://arxiv.org/abs/2004.01467
作者： Gerardo Iñiguez, Federico Battiston, Márton Karsai
摘要： 网络科学已经成为描述现实世界中复杂的物理，生物，社会和技术系统的结构和动力学的有力工具。它的直观和灵活的特性很大程度上建立在基于经验观察的基础上，以解决交互的异构，时间和适应性模式，从而促进了该领域的普及。随着关于随机图演化的开拓性工作，图论经常被引用为网络科学的数学基础。尽管有这样的叙述，但两个研究社区仍然很大程度上脱节。在这篇评注中，我们讨论了领域之间进一步交叉的必要性-弥合图与网络之间的鸿沟-以及网络科学如何从这种影响中受益。更加数学化的网络科学可以阐明随机性在建模中的作用，暗示行为的基本规律，并预测自然界中尚未发现的复杂网络现象。
用于物联网上数据处理的本地化移动主体框架
原文标题： Localized Mobile Agent Framework for data processing on Internet of Things
地址： http://arxiv.org/abs/2004.01477
作者： J. Mahalakshmi, P. Venkata Krishna
摘要： 物联网（IoT）是最近趋势中的主要研究。物联网具有与任何对象建立通信的能力。物联网在数据收集时会产生大量原始数据。因此，需要一种有效的机制来解决物联网的问题。本文介绍了物联网的本地化MapReduce框架。该框架工作在本地节点上处理数据，而无需将数据传输到云或高端服务器。移动主体具有从一个节点迁移到另一节点进行数据处理的能力，Mapper和Reducer用于主体复制和结果聚合。使用成本函数评估了所提出框架的性能，结果证明了所提出框架的有效性。
记忆、不宽容和二阶声誉对合作的影响
原文标题： Effect of memory, intolerance and second-order reputation on cooperation
地址： http://arxiv.org/abs/2004.01480
作者： Chengyi Xia, Carlos Gracia-Lázaro, Yamir Moreno
摘要： 在过去的几十年中，对社会系统中合作行为的理解一直是研究的主题。在这方面，用于解释人类社会合作的理论模型得到了对实验研究的日益增长的兴趣的补充，以验证所提出的机制。在这项工作中，我们依靠先前的实验结果来建立基于两个合作驱动机制的理论模型：二阶信誉和记忆。具体来说，以捐赠博弈为起点，将主体商分配到三种策略中，即无条件合作者，无条件偏转者和鉴别器，后者遵循二阶评估规则：回避，严厉判断，图像评分或简单常设。如果接受者记忆中包含的最后行动的评价高于容忍度（不容忍）的阈值，则歧视者会合作。除了博弈固有的动力外，还引入了另一种模仿动力，涉及更长的时间（世代）。该模型通过均值场逼近法来预测，该均值法可预测在蒙特卡洛模拟中观察到的宏观行为。我们发现，尽管在大多数二阶评估规则中，不宽容阻碍了合作，但在简单站立规则下，它却具有相反的（正面）影响。此外，我们表明，在考虑内存时，“斯特恩判断”规则显示出最低的合作价值，而更严格的规则则显示出更高的合作水平。
多路网络，含时多路网络和耦合多层网络中的层纠缠
原文标题： Layer entanglement in multiplex, temporal multiplex, and coupled multilayer networks
地址： http://arxiv.org/abs/2004.01534
作者： Blaž Škrlj, Benjamin Renoust
摘要： 诸如运输网络，社会网络或生物网络之类的复杂网络通常通过表示一种类型的交互来转换它们通常建模的复杂系统。在现实世界的系统中，实体可能有很多方面将它们连接在一起。可以使用多层网络捕获这些信息，这些网络在一个相同的模型中结合了不同的交互方式。多层网络和多路网络中的耦合可能表现出不同的属性，这可能与它们建模的数据的本质（或与时间相关的数据中的事件）有关。我们假设这样的属性可能会在层相互缠绕的方式上得到反映。在本文中，我们希望通过多层网络中层缠结的棱镜来研究它们。我们在6个不同学科（社会，遗传，运输，合著，贸易和神经网络）的30多个现实网络中对其进行了测试。我们进一步提出了一种随机生成器，该生成器在1,329,696个合成耦合多层网络中显示可比较的基本层缠结和过渡层缠结模式。我们的实验证明了各学科之间层纠缠的不同，甚至暗示了纠缠强度和同构性之间的联系。我们还研究了3个现实世界时态数据集中的纠缠，显示出纠缠活动在其他网络活动之前的潜在上升。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在公众号“网络科学研究速递”和个人博客进行同步更新。
閱讀更多 網絡科學研究速遞 的文章
關鍵字: 人工智能 物联网 Transmission
