• 移民社区融入世界城市;
• 从博弈统计中消除技能偏差;
• 随机动态和固定策略网络中的Braess悖论;

移民社区融入世界城市

原文标题： Immigrant community integration in world cities

地址： http://arxiv.org/abs/1611.01056

作者： Fabio Lamanna, Maxime Lenormand, María Henar Salas-Olmedo, Gustavo Romanillos, Bruno Gonçalves, José J. Ramasco

摘要： 由于加速全球化进程的结果，当今世界各大城市的特点是日益多元化的多元文化。移民社区的融合可能受到社会两极分化和空间隔离的影响。这些动态如何随着时间的推移而演变？发起解决这些问题的不同政策在多大程度上起作用？这些都是基于调查和人口普查数据的研究传统上解决的关键问题。这些来源是安全的，以避免虚假的偏见，但数据收集成为一个密集且相当昂贵的工作。在这里，我们通过引入一种创新方法，对53个世界城市的移民融入进行全面研究：基于Twitter中的语言检测和空间整合的新指标，分析移民和当地社区的时空交流模式。我们量化了城市的“一体化力量” - 它们对不同文化进行空间整合的能力 - 并表征了作为东道主或移民时不同文化之间的关系。

从博弈统计中消除技能偏差

原文标题： Removing Skill Bias from Gaming Statistics

地址： http://arxiv.org/abs/1803.05484

作者： I-Sheng Yang

摘要： “获得某种特定胜利的机会”是一种很容易从数据中获得的数量，并且经常在博弈统计中引用。这也是强化学习AI基础的基本量。不幸的是，这种条件概率可能会引起误解。除非所有参与者都具有相同的技能，否则这个数字并不能告诉我们这种举动的内在价值。这是因为在一个良好的行动条件下也不可避免地选择一个更好的球员的一个子集。他们倾向于做出其他好的举动，这也有助于获得额外的获胜机会。我们提出一个简单的玩具模型来量化这种“技能偏见”效应，然后提出一种通用的方法来消除它。我们的方法是模块化的，一般化的，并且只需要从数据中容易地获得数量。特别是，它会得到相同的答案，而不管数据是来自一群好的或坏的玩家。这可以帮助我们最终摆脱“向专家学习”的传统观点，避免集体思维的陷阱。

随机动态和固定策略网络中的Braess悖论

原文标题： Braess paradox in a network with stochastic dynamics and fixed strategies

地址： http://arxiv.org/abs/1803.05488

作者： Stefan Bittihn, Andreas Schadschneider

摘要： 在自私用户使用的道路网络中可以观察到Braess悖论。它描述了违反直觉的情况，在该情况下，向道路网络添加新的，本身更快的起点 - 目的地连接导致所有网络用户的旅行时间增加。我们研究了Braess最初提出的网络，但基于完全不对称排斥过程引入了微观粒子动力学。与我们之前的工作[10.1103 / PhysRevE.9.06.062312]相反，根据转折率随机选择路线，在此我们研究具有固定路线选择的驾驶员的情况。我们发现，由于新道路的行程时间缩短只发生在真正的低密度下，而Braess’佯谬占据了相图最大的部分。此外，[10.1103 / PhysRevE.9.06.062312]中观察到的畴壁相消失。在目前的模型中，锁相态在大部分相空间中观察到。我们的结论是，新道路的建设往往非常关键，应该认真考虑。

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。