• 具有非单调发病率、基于网络的SIRS流行病模型的全局稳定性;
• 大量个体自激发信息扩散过程的渐近行为;
• 手机天线分布的点过程模型;
• 重建飓风艾玛（2017年）期间佛罗里达的交通流量;
• 难追踪冲突的社会物理学：三组动力学;
• 马尔可夫模型捕捉人类移动临界性的能力缺失;

具有非单调发病率、基于网络的SIRS流行病模型的全局稳定性

原文标题： Global stability of a network-based SIRS epidemic model with nonmonotone incidence rate

地址： http://arxiv.org/abs/1803.03755

作者： Lijun Liu, Xiaodan Wei, Naimin Zhang

摘要： 本文研究了具有疫苗接种和非单调发病率的基于网络的SIRS流行病模型的动态。当异构网络上的感染个体数量越来越多时，这种非线性发生率可用于描述易感个体行为变化的心理或抑制效应。使用分析方法，获得流行阈值$ R_0 $。当$ R_0 $小于1时，我们证明无病平衡是全局渐近稳定的并且疾病消失，而$ R_0 $大于1，存在独特的地方病平衡。通过构造一个合适的Lyapunov函数，我们还证明了如果抑制因子$ \ alpha $足够大，地方性均衡是全局渐近稳定的。还给出了数值实验以支持理论结果。从理论上和数字上看，较大的$ \ alpha $可以加速疾病的灭绝并降低疾病的程度。

大量个体自激发信息扩散过程的渐近行为

原文标题： The asymptotic behaviors of self excitation information diffusion processes for a large number of individuals

地址： http://arxiv.org/abs/1807.03783

作者： Lifu Wang, Bo Shen

摘要： 意见动态是一个复杂而有趣的过程，特别是对于拥有大量个人的系统。通常很难描述这些系统的演化特征。在本文中，我们研究了大量个体的自激意见模型。我们提出了一个Mckean-Vlasov型积分微分方程来分析分析多个体系统，并证明该模型具有表示大量个体系统的尺度限制行为的能力，其中相互作用是一个多元自激过程。指数函数权重。我们证明了模型与方程中初始分布之间的耦合能够捕捉到自激过程的影响，从而描述了个体的相互激励和反复发生的特性。最后，我们证明稳态分布是线性相互作用情况下初始分布的“收缩”。

手机天线分布的点过程模型

原文标题： Point Process Models for Distribution of Cell Phone Antennas

地址： http://arxiv.org/abs/1807.10975

作者： Ezequiel Fattori, Pablo Groisman, Carlos Sarraute

摘要： 我们介绍了城市环境中手机天线空间分布的模型。在证明完全空间随机性（齐次泊松分布）假设不成立之后，我们提出了一个模型，其中每个点根据双变量高斯变量分布，其中均值由Delaunay三角剖分中其邻居的重心给出。我们证明该模型是合适的，并且可以用于生成合成的天线分布。生成的分布不包含敏感信息或专有信息，因此可以与研究组自由共享，促进对该主题的进一步研究。

重建飓风艾玛（2017年）期间佛罗里达的交通流量

原文标题： A reconstruction of Florida Traffic Flow During Hurricane Irma (2017)

地址： http://arxiv.org/abs/1807.11177

作者： Kairui Feng, Ning Lin

摘要： 最近的飓风艾玛（2017年）创造了佛罗里达州历史上最广泛的撤离规模，涉及约650万人的强制撤离令和400万撤离车辆。为了解飓风疏散过程，交通流的空间和时间演变是一个重要的信息，但通常没有完全观察到。基于博弈论，本文采用了在Irma期间在主要高速公路（20个摄像机，包括1号，27号和I-75,95,4,10部分）的可用交通观测来重建Irma期间佛罗里达州的交通流量。该模型通过自我报告的twitters进行验证。交通改造估计了交通需求（总共约400万辆汽车）以及疏散期间拥堵的时间和空间分布。结果与新闻报道和Twitter记录的可用信息相比较。重建数据可用于分析飓风疏散决策和旅行行为。

难追踪冲突的社会物理学：三组动力学

原文标题： Sociophysics of Intractable Conflicts: Three-Group Dynamics

地址： http://arxiv.org/abs/1807.11259

作者： Miron Kaufman, Hung Diep, Sanda Kaufman, Monte Carlo

摘要： 我们将两组冲突动态的社会物理模型扩展到三组。提出了具有吸引子和混沌的模型作为探索和管理棘手冲突的工具。它可用于生成轨迹和结果的场景。我们使用平均场理论进行远程相互作用来研究三种grousp’平均态度的时间依赖性。我们发现，在某些中间温度下，群体意味着态度会随着时间的推移而振荡。独立于初始条件，轨迹在平均态度的三维空间中超时地聚集到吸引子。我们使用蒙特卡罗模拟来探索短程群体相互作用，并发现在高温下态度的混乱不可预测的时间变化。为了便于说明，我们将该模型应用于波斯尼亚和黑塞哥维那冲突。

马尔可夫模型捕捉人类移动临界性的能力缺失

原文标题： On the Inability of Markov Models to Capture Criticality in Human Mobility

地址： http://arxiv.org/abs/1807.11386

作者： Vaibhav Kulkarni, Abhijit Mahalunkar, Benoit Garbinato, John D. Kelleher

摘要： 我们通过揭示马尔可夫模型无法捕捉人类流动性的关键性来检验人类流动的非马尔可夫性质。特别地，基于时间相关的熵，使用假定的马尔可夫迁移性质来建立人类迁移性的可预测性的理论上界（表示为最小误差概率极限）。自成立以来，这种界限已经被广泛使用并且使用马尔可夫链进行了经验验证。我们表明，循环神经架构可以实现更高的可预测性，超过这个广泛使用的上限。为了解释这种异常，我们揭示了先前研究工作中导致这种偏见的几个基本假设。通过评估真实世界数据集的移动性可预测性，我们表明人类移动性表现出尺度不变的长程相关性，与幂律衰减具有相似性。这与人类移动性遵循指数衰减的初始假设形成对比。在计算Fano不等式时，这种指数衰减与Lempel-Ziv压缩相结合的假设导致了对可预测性上限的不准确估计。我们证明了这种方法使熵膨胀，从而降低了人类移动可预测性的上限。我们最后强调，这种方法往往会忽视人类流动性的长期相关性。这解释了为什么设计用于处理远程结构相关性的递归神经架构超过了先前计算的移动性可预测性上限。

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。