• 具有差分隐私的网络生成;
• 竞争平衡模型对外场的响应;
• 围绕 2017 年比特币市场崩盘的价格和流动性信息动态;
• 使用 Ant 和 Dijkstra 算法在类似迷宫的环境中进行搜索和救援;
• 具有记忆效应的流行动态简单模型;
• 冠状病毒大流行微博数据集的情感分析;
• 人口增长率下降对森林砍伐和人口可持续性的影响;
• 早期基督教的亚指数增长;

具有差分隐私的网络生成

原文标题： Network Generation with Differential Privacy

地址： http://arxiv.org/abs/2111.09085

作者： Xu Zheng, Nicholas McCarthy, Jer Hayes

摘要： 我们考虑在保持生成图的效用的同时生成包含私人信息的真实世界图的私人合成版本的问题。差分隐私是数据隐私的黄金标准，差分隐私随机梯度下降（DP-SGD）算法的引入促进了许多领域的隐私神经模型的训练。通过深度生成网络生成图的最新进展已经产生了几个高性能模型。我们评估和比较了最先进的模型，包括基于邻接矩阵的模型和基于边的模型，并展示了一种实际的实现，当在常用的图数据集上进行评估时，该实现有利于利用高斯噪声机制的边列表方法。基于我们的发现，我们提出了一个生成模型，该模型可以在保持边差异隐私的同时重现现实世界网络的属性。所提出的模型基于生成离散边列表样本的随机神经网络，并使用 Wasserstein GAN 目标和 DP-SGD 优化器进行训练。作为结合这些有益特性的第一种方法，我们的模型有助于进一步研究图数据隐私。

竞争平衡模型对外场的响应

原文标题： The response of the competitive balance model to the external field

地址： http://arxiv.org/abs/2111.09092

作者： F. Oloomi, A. Kargaran, A. Hosseiny, G. R. Jafari

摘要： 竞争平衡模型被提出作为平衡理论的扩展，以解决现实世界网络中的异质性。在这个模型中，不同的范式导致形成不同的友谊和敌意。例如，国家之间的友谊或敌意可能具有政治或宗教基础。建议的哈密顿量在范式之间是对称的。在本文中，我们研究了外部场对网络演化的影响。我们驱动模型的平均场解，并通过执行蒙特卡罗模拟来验证我们的分析解的准确性。我们观察到外场破坏了系统的对称性。系统对外部场的响应（取决于温度）是顺磁性的或铁磁性的。与磁系统类似，磁化率遵循居里定律。我们还观察到滞后行为。一旦社区基于某种范式形成，他们就会抵制变革。

围绕 2017 年比特币市场崩盘的价格和流动性信息动态

原文标题： Information dynamics of price and liquidity around the 2017 Bitcoin markets crash

地址： http://arxiv.org/abs/2111.09057

作者： Vaiva Vasiliauskaite, Fabrizio Lillo, Nino Antulov-Fantulin

摘要： 我们研究了 2017-2018 年泡沫期间最大的比特币交易市场之间的信息动态。通过对动态系统的不同信息论测量分析高频市场微观结构可观测值，我们发现了跨市场信息共享的时间变化。特别是，我们研究了可预测性、记忆和同步耦合的时变组件，通过传输熵、主动信息存储和多信息来衡量。通过将这些实证结果与几个模型进行比较，我们认为一些结果可能与市场内和市场间制度的变化以及不同市场可观察值之间信息流方向的变化有关。

使用 Ant 和 Dijkstra 算法在类似迷宫的环境中进行搜索和救援

原文标题： Search and Rescue in a Maze-like Environment with Ant and Dijkstra Algorithms

地址： http://arxiv.org/abs/2111.08882

作者： Z. Husain, A. Al Zaabi, H. Hildmann, F. Saffre, D. Ruta, A. F. Isakovic

摘要： 随着现代 Ad Hoc 网络的可靠性不断提高，在人类参与可能是危险的危急情况下，分析自主 Ad Hoc 主体的潜在参与是令人鼓舞的。一个这样的关键场景是在发生灾难时的搜索和救援工作，及时发现和帮助部署是最重要的。本文展示了一种仿生技术的适用性，即蚂蚁算法 (AA)，在优化接近最佳路径的被困受害者的搜索时间方面的适用性，然后在救援阶段应用 Dijkstra 算法。 AA 固有的探索性被用于更快地映射和覆盖未知搜索空间。实施了四种不同的 AA，其中信息素的作用各不相同。发现具有排斥信息素的倒置 AA 最适合这种特殊应用。经过大量探索，发现受害者后，自治主体通过使用已部署的资源形成中继网络进一步促进救援过程。因此，本文讨论了群体的详细决策模型，分为两个主要阶段，分别负责搜索和救援。分析了主体群性能的不同方面，作为空间维度、搜索空间的复杂性、部署的搜索组大小以及该区域障碍物的信号渗透率的函数。

具有记忆效应的流行动态简单模型

原文标题： A simple model of epidemic dynamics with memory effects

地址： http://arxiv.org/abs/2111.08950

作者： Michael Bestehorn, Thomas M. Michelitsch, Bernard A. Collet, Alejandro P. Riascos, Andrzej F. Nowakowski

摘要： 我们引入了一种修改后的 SIR 模型，该模型具有记忆的流行病在恒定人群中传播的动态。每个人都处于易感 (bf S)、感染 (bf I) 或康复 (bf R) 状态之一。在状态 bf R 中，假设个体在有限的时间间隔内保持免疫。在第一部分中，我们介绍了从某个概率密度函数中得出的随机寿命或免疫持续时间。一旦免疫时间过去，个体就会立即过渡到易感状态。通过引入免疫的随机持续时间，将记忆效应引入到决定流行动态的过程中。在第二部分中，我们通过将这种方法实施到计算机模拟中并采用多随机游走模型来研究记忆效应对流行病传播时空动力学的影响。如果易感步行者在同一地点遇到感染者，则易感者以一定的概率被感染。计算机实验使我们能够确定流行病传播或灭绝的相关参数。在这两个部分中，免疫的有限持续时间会导致感染者数量的持续振荡，并且持续的流行活动阻止系统放松到稳定状态的解决方案。这种振荡行为得到现实生活观察的支持，标准 SIR 模型无法捕捉到。

冠状病毒大流行微博数据集的情感分析

原文标题： Sentiment Analysis of Microblogging dataset on Coronavirus Pandemic

地址： http://arxiv.org/abs/2111.09275

作者： Nosin Ibna Mahbub, Md Rakibul Islam, Md Al Amin, Md Khairul Islam, Bikash Chandra Singh, Md Imran Hossain Showrov, Anirudda Sarkar

摘要： 情绪分析可以在很大程度上影响人们获得当前局势的更新。冠状病毒 (COVID-19) 是一种由冠状病毒 2 引起的传染性疾病，可引起严重的呼吸道症状。数百万人的生活继续受到这种大流行的影响，一些国家已采取全面封锁措施。在这次封锁期间，人们通过社会网络来表达自己的情绪，以找到一种让自己平静下来的方法。人们正在通过微博网站传播他们的情绪，因为这种疾病最重要的预防措施之一是社会化，以提高人们在外出时待在家里和保持距离的意识。 Twitter 是一个流行的在线社交媒体平台，用于交流思想。人们可以发布他们不同的情绪，这些情绪可以用来认识人们。但是，有些人想散布假新闻来吓唬人。因此，有必要识别积极、消极和中性的想法，以便将积极的意见传递给大众，从而将意识传播给人们。此外，大量数据在 Twitter 上浮动。因此，识别数据集的上下文也很重要。在本文中，我们使用多种机器学习算法分析了用于评估情绪的 Twitter 数据集。后来，我们发现了基于情感的数据集的上下文学习。

人口增长率下降对森林砍伐和人口可持续性的影响

原文标题： Effect of decreasing population growth-rate on deforestation and population sustainability

地址： http://arxiv.org/abs/2111.08763

作者： Gerardo Aquino, Mauro Bologna

摘要： 我们在“森林砍伐和世界人口可持续性：定量分析”[1] 中考虑了非恒定参数对人与森林相互作用逻辑模型的影响以及人类技术增长。事实上，近年来，人口增长率出现下降，自 1960 年以来每年下降约 1.7%，这与联合国对未来几十年直至 2100 年的最新预测一致 [2]。因此，我们在这里考虑了降低人口增长率对上述模型的影响，并评估了它对人类文明在不经历人口灾难性崩溃的情况下生存概率的影响。我们发现，对于地球人口承载能力的实际值（由参数 beta 衡量），这种减少不会影响先前的结果，从而导致避免灾难性崩溃的可能性很低。相反，对于更大的更乐观的 beta 值，增长率的下降将使概率倾向于积极的结果，即从 10-20% 到甚至 95% 的避免崩溃的可能性。

早期基督教的亚指数增长

原文标题： Subexponential growth of early Christianity

地址： http://arxiv.org/abs/2111.08833

作者： Jorge C. Lucero

摘要： 本文提出了一个简单的数学模型，用于说明罗马帝国在第一至第四世纪期间基督徒人口的增长。该模型具有 e^o(t) 阶次指数增长率，其中 o 表示“小 o”渐近界，但仍然是超多项式，并且它非常准确地符合可用的基督教人口估计。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。