• 使用0维持久性同调特征推动交互式图探索;
• graphTPP：一种基于多变量的交互式图布局和分析方法;
• 演化博弈中的异构更新机制：混合创新和模仿动态;
• 用线性反馈描述复杂网络动态的动态可通信性和流动性;
• 量子决策者网络信息处理;
• 建模人类行为的个体循环变异;
• 通过建模框架推断空间和一般复杂网络的层次结构;

使用0维持久性同调特征推动交互式图探索

原文标题： Driving Interactive Graph Exploration Using 0-Dimensional Persistent Homology Features

地址： http://arxiv.org/abs/1712.05548

作者： Ashley Suh, Mustafa Hajij, Bei Wang, Carlos Scheidegger, Paul Rosen

摘要： 图通常用于编码实体之间的关系，但是它们的抽象性使得它们难以分析。节点链接图是绘制图的常用方法。用于节点链接图的经典技术包括依赖派生信息来定位点的各种布局方法，这些点通常缺乏交互式探索功能;和强制导向的布局，忽略图的全局结构。本文通过利用图的拓扑特征作为交互式图绘制的派生信息来解决绘图挑战。我们首先讨论使用持久同源性从图中提取拓扑特征。然后我们引入一个互动的持久性条形码来研究一个强制导向的图布局的子结构;特别是在零维持续同源性特征的指导下增加了收缩和排斥力。最后，我们展示了我们的方法跨越三个数据集的实用性。

graphTPP：一种基于多变量的交互式图布局和分析方法

原文标题： graphTPP: A multivariate based method for interactive graph layout and analysis

地址： http://arxiv.org/abs/1712.05644

作者： Helen Gibson, Paul Vickers

摘要： 图布局是通过节点链接图创建图的可视表示的过程。节点属性图在节点上存储额外的数据，这些数据描述称为属性的节点的某些属性。典型的力导向表示常常产生类毛球结构，这既不帮助理解图的拓扑结构，也不帮助理解图的拓扑结构与其属性的关系。本研究的目的是调查使用节点属性的图布局，以改善分析过程，并进一步了解纯粹的拓扑布局的图。在本文中，我们提出了图TPP，一种基于图的扩展到目标投影追踪（TPP）—一种交互式，线性降维技术—作为图布局和随后的进一步分析的一种方法。 TPP允许用户控制投影并针对聚类进行优化。在影响图，网络安全和引用网络方面进行了三个案例研究。在每一种情况下，图表中的TPP都表现出优于标准的力导向技术，甚至在布局中聚类结构清晰度方面的其他降维方法，结构和属性之间的关联以及在每个领域引出的见解。

演化博弈中的异构更新机制：混合创新和模仿动态

原文标题： Heterogeneous update mechanisms in evolutionary games: mixing innovative and imitative dynamics

地址： http://arxiv.org/abs/1712.05684

作者： Marco Antonio Amaral, Marco Alberto Javarone

摘要： 创新和演化是社会和生物系统最重要的两个过程。一般而言，前者允许引入新颖性的元素，而后者则负责系统在相位空间中的运动。通常，这些过程是强相关的，因为创新可以引发演化，而后者可以为创新的出现提供最佳条件。这两个过程都可以用演化博弈论的框架进行研究，演化是一个内在的机制，而创新则需要一个合适的表示。值得注意的是，创新可以被模拟为一种策略，或者可以构成允许代理人改变策略的基本机制。在这里，我们分析第二个案例，调查由模仿和创新代理组成的异质人口的行为。模仿代理人只是通过模仿他们的邻居来改变策略，而创新的代理人则不需要复制源就改变策略。所提出的模型通过分析计算和数值模拟在正方形格子中进行分析。值得注意的是，结果表明，机制的混合可能导致不同的行为，有时是有益的，有些则不利于合作。我们的调查揭示了战略修订方法异质性所带来的复杂动态，突出了创新在演化博弈中的作用。

用线性反馈描述复杂网络动态的动态可通信性和流动性

原文标题： Dynamic communicability and flow to describe complex network dynamics with linear feedback

地址： http://arxiv.org/abs/1712.05693

作者： Matthieu Gilson, Gorka Zamora-Lopez, Nikos E Kouvaris, Gustavo Deco

摘要： 图论已经成为一个广泛使用的工具箱来研究从实际数据估计的复杂网络。一个特定的研究方向已经使用集体动力学获得的类似传播的过程，如振荡器和随机行走，以表征复杂的拓扑。但是，复杂网络动力学的研究缺乏专门的理论框架。在这里，我们根据网络响应（即绿色函数）推导出一个严格的框架，以研究多元Ornstein-Uhlenbeck过程中节点之间的相互作用 - 通过动态通信量化 - 描述稳定和非保守的动态。我们的框架还通过定义流量的度量来描述外部投入的属性如何对网络活动做出贡献。我们用几个经典的网络例子来说明网络连接和输入特性之间的相互作用，例如小世界环网和分层网络。我们的理论定义了一个全面的框架来研究和比较有向加权网络，从成对的相互作用到全球属性（如小世界）和社区检测。

量子决策者网络信息处理

原文标题： Information Processing by Networks of Quantum Decision Makers

地址： http://arxiv.org/abs/1712.05734

作者： V.I. Yukalov, E.P. Yukalova, D. Sornette

摘要： 我们建议决策者作出基于两个标准作出决定的多主体社会模型，一个是前景的效用，另一个是所考虑的前景的吸引力。该模型是量子决策理论的推广，早在单个决策者实现一步决策时就发展了两个主要方面。首先，同时考虑几个决策者，他们通过信息交换相互交流。其次，当代理人多次交换信息时，多级程序被处理。一些决策者利用量子规则交换信息和形成判断，形成一种量子信息网络，信息交换使集体决策及时发展。除了表征人类社会中出现的集体决策之外，这样的网络还可以描述在量子计算机中由多个部分组成的人工量子智能中发生的动态过程。该理论的实际应用说明了三种定量预测的动态分离效应：（i）描述了决策者在过程初期的概率行为; （2）证明了初始前景概率与相关效用因子之间差异的减小; （iii）预测多次信息交换后存在共识。预测的数值与经验数据非常吻合。

建模人类行为的个体循环变异

原文标题： Modeling Individual Cyclic Variation in Human Behavior

地址： http://arxiv.org/abs/1712.05748

作者： Emma Pierson, Tim Althoff, Jure Leskovec

摘要： 周期是人类健康和行为的基础。然而，时间序列数据中的建模周期是具有挑战性的，因为在大多数情况下，周期没有标记或直接观察，需要随着时间的推移进行测量。在这里，我们提出了循环隐马尔可夫模型（CyHMMs）来检测和建模多维异构时间序列数据集合中的周期。与之前的循环建模方法相比，CyHMM可以处理建模实际循环所遇到的许多挑战：它们可以用离散和连续的维度对多元数据建模;他们明确地建模并且对缺失的数据是强大的;他们可以在个人之间共享信息，以适应个人时间序列内部和之间的变化。对合成和实际健康追踪数据进行的实验表明，CyHMM比现有方法更准确地推断周期长度，与最佳性能基线相比，模拟数据的误差降低58％，实际数据的误差降低63％。 CyHMM还可以执行基线不能进行的功能：他们可以模拟个体特征/症状在周期过程中的进展，识别最可变的特征，并将个体时间序列聚类成具有不同特征的组。将CyHMM应用于人体月经周期症状和身体活动追踪数据这两个真实世界的健康追踪数据集，可以得出重要的见解，包括周期内每个时间点期望的症状。我们还发现，人们分成几组，具有不同的循环模式，这些组在模式上没有提供。例如，通过对月经周期数据集中的缺失数据进行建模，即使关于避孕的信息没有提供给模型，我们也能够发现一组与医疗有关的计划生育用户。

通过建模框架推断空间和一般复杂网络的层次结构

原文标题： Inferring hierarchical structure of spatial and generic complex networks through a modeling framework

地址： http://arxiv.org/abs/1712.05792

作者： Stanislav Sobolevsky

摘要： 我们最近的论文[Grauwin et al。科学。 （2017）[7]]表明，人类互动网络的社区和等级结构在很大程度上决定最小，在建模时应予以考虑。在现在的概念证明预印本中，考虑了相反的问题：是否可以推断出层次结构本身与网络模型最好地一致？通过基于分层和（如果定义）地理距离的模型，推理机制被提供给空间网络以及一般的复杂网络。该机制允许在复杂网络中以任何期望的分辨率发现分层和社区结构，尤其是空间网络的空间独立结构。以美国州际人口迁移网络为例说明了该方法。

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。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。