• 使用信息流解释演化图上的 GNN;
• 自愿囚徒困境博弈的博弈环境反馈动态;

使用信息流解释演化图上的 GNN

原文标题： Explaining GNN over Evolving Graphs using Information Flow

地址： http://arxiv.org/abs/2111.10037

作者： Yazheng Liu, Xi Zhang, Sihong Xie

摘要： 图在许多应用程序中无处不在，例如社会网络、知识图谱、智能电网等。图神经网络 (GNN) 是这些应用程序的当前最先进技术，但对人类来说仍然不为人知。解释 GNN 预测可以增加透明度。然而，由于许多图不是静态的而是不断发展的，解释两个图快照之间预测的变化是不同的，但同样重要。先前的方法仅解释静态预测或为动态预测生成粗略或不相关的解释。我们定义理解释不断发展的 GNN 预测的问题，并提出了一种公理归因方法，以将预测的变化唯一地分解为计算图上的路径。对涉及高度节点的许多路径的归因仍然无法解释，而简单地选择最重要的路径在近似变化方面可能是次优的。我们制定了一个新的凸优化问题来优化选择解释预测演化的路径。从理论上讲，我们证明了现有的基于层相关性传播 (LRP) 的方法是所提出算法在与空图进行比较时的特例。从经验上讲，在七个图数据集上，我们使用一种新的度量设计来评估预测变化的解释，证明了所提出的方法优于现有方法，包括 LRP、DeepLIFT 和其他路径选择方法。

自愿囚徒困境博弈的博弈环境反馈动态

原文标题： Game-environment feedback dynamics for voluntary prisoner’s dilemma games

地址： http://arxiv.org/abs/2111.10011

作者： Bin-Quan Li, Cong Liu, Zhi-Xi Wu, Jian-Yue Guan

摘要： 最近，描述策略与环境耦合动力学的生态演化博弈论引起了人们的极大关注。同时，目前的大部分工作都集中在经典的两人双策略博弈上。在这项工作中，我们研究了作为框架扩展的多策略生态演化博弈论。为简单起见，我们将关注自愿参与的囚徒困境博弈。对于收益相关反馈动力学的一般类别，我们分别使用复制器动力学显示了内部平衡存在和稳定的条件。其中内部平衡点，如二策略共存状态、三策略共存状态、持续振荡状态和内部鞍点。这些状态由相对反馈强度和收益矩阵决定，与相对反馈速度和初始状态无关。尤其是三策略共存为生物、生态和社会学的生物多样性维护提供了新的机制。此外，我们发现当初始时刻没有缺陷策略时，该三策略模型返回到二策略模型的持续振荡状态。

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。