• 时间网络认识论：关于在现实世界中达成共识;
• 噪声和波动会破坏群体评估问题中多数规则的效率;
• 神经网络混合模型在估计非线性流行病模型感染函数中的应用;
• 年龄结构化 SIR 动力学在 COVID-19 建模中的有用性;
• 电网级联故障中网络分区的等待时间分布;
• 气候变化研究与气候变化政策的相关性如何？基于Overton数据的实证分析;
• 有偏见的选民模型：一个小团体的说服力如何？;

时间网络认识论：关于在现实世界中达成共识

原文标题： Temporal Network Epistemology: on Reaching Consensus in Real World Setting

地址： http://arxiv.org/abs/2203.05368

作者： Radosław Michalski, Damian Serwata, Mateusz Nurek, Boleslaw K. Szymanski, Przemysław Kazienko, Tao Jia

摘要： 这项工作开发了时间网络认识论模型的概念，能够模拟动态网络中的学习过程。对使用 CogSNet 模型生成的时间社会网络和作为参考的静态拓扑进行的研究结果表明，网络时间动态对学习过程的结果和流程有重大影响。已经表明，与基线模型相比，不仅达成共识的动态不同，而且还出现了以前未观察到的现象，例如不知情的主体或断开组件的不同共识状态。也有人观察到，有时只有网络结构的变化才能有助于达成共识。所介绍的方法和实验结果可用于更好地理解人类社区如何在科学层面集体解决这两个复杂问题，并探究不太复杂但普遍且同样重要的信念在整个社会中传播的正确性。

噪声和波动会破坏群体评估问题中多数规则的效率

原文标题： Noise and fluctuations can undermine the efficiency of Majority Rule in Group Evaluation problems

地址： http://arxiv.org/abs/2203.05277

作者： Daniele Vilone

摘要： 众包是一种机制，通过该机制，人们可以通过共享想法、努力和资源来执行任务。多亏了在线技术，众包在过去十年中已成为在不同和不同领域中使用得更多的过程。这种过程的一个例子是所谓的“标签聚合问题”：在实践中，它是由一组主体对一个项目的评估，其中每个主体给出自己的判断。从成员的个人评价出发，团体如何进行全局评价？在这项工作中，通过博弈论的演化方法，我们表明在大多数情况下，多数规则（群体评估是对其大多数成员的评估）仍然是获得可靠群体评估的最佳方式，即使主体人不是该主题的最佳专家；另一方面，我们还表明，噪音（即偶然的错误、误解或非确定性结果的所有可能来源）会在非平凡情况下破坏程序的效率。因此，为了使过程尽可能可靠，应仔细考虑噪声的存在及其影响。

神经网络混合模型在估计非线性流行病模型感染函数中的应用

原文标题： Application of neural-network hybrid models in estimating the infection functions of nonlinear epidemic models

地址： http://arxiv.org/abs/2203.05018

作者： Chentong Li, Zhou Changsheng, Junmin Liu, Yao Rong

摘要： 混合神经网络模型将神经网络拟合功能的优势与微分方程模型相结合，以反映实际的物理过程，并广泛用于分析时间序列数据。大多数相关研究都集中在线性混合模型上，但只有少数研究了非线性问题。在这项工作中，我们使用混合非线性流行病神经网络作为切入点来研究它在预测流行病模型的正确感染函数方面的能力。为了实现这一目标，我们将非线性微分模型的分岔理论与均方误差损失相结合，并设计了一种新颖的损失函数来确保模型的可训练性。此外，我们发现了支持常微分方程来估计正确感染函数的独特存在条件。使用 Runge Kutta 方法，我们对我们提出的模型进行数值实验并验证其可靠性。我们还将其应用于真实的 COVID-19 数据，以准确发现其传染性的变化规律。

年龄结构化 SIR 动力学在 COVID-19 建模中的有用性

原文标题： Usefulness of the Age-Structured SIR Dynamics in Modelling COVID-19

地址： http://arxiv.org/abs/2203.05111

作者： Rohit Parasnis, Ryosuke Kato, Amol Sakhale, Massimo Franceschetti, Behrouz Touri

摘要： 我们在 COVID-19 的背景下检查了年龄结构的 SIR 模型，它是流行病传播的经典易感感染恢复 (SIR) 模型的一种变体。在这样做的过程中，我们为模型提供了理论基础，进行了实证验证，并发现了模型在近似任意流行病方面的局限性。我们首先建立将年龄结构化 SIR 模型定义为连续时间马尔可夫过程的平均场极限的微分方程，该过程模拟了涉及随机、异步交互的社会网络上的流行病传播。然后，我们表明，随着人口规模的增长，当且仅当网络的边更新率接近无穷大时，任何年龄组的感染率都会收敛到其平均场极限，并且我们展示了平均率如何场收敛取决于边更新率。然后，我们提出了一种系统识别方法，用于我们模型的双线性 ODE 的参数估计，并通过生成东京县感染个体的年龄增长轨迹，在日本 COVID-19 数据集上测试模型性能。超过 365 天的期限。在此过程中，我们还开发了一种算法来识别大流行的不同 阶段，每个阶段都与一组独特的接触率相关联。我们的结果表明生成的轨迹和观察到的轨迹之间有很好的一致性。

电网级联故障中网络分区的等待时间分布

原文标题： The Waiting-Time Distribution for Network Partitions in Cascading Failures in Power Networks

地址： http://arxiv.org/abs/2203.05130

作者： Long Huo, Xin Chen

摘要： 网络冗余是对电力网络中级联故障的鲁棒性至关重要的空间网络结构属性之一。级联故障中网络分区的等待时间分布解释了空间网络结构如何影响级联行为。针对不同网络冗余下的级联故障，研究了与第一和最大网络分区相关的两个等待时间事件。利用综合电力网络，可以针对各种网络冗余系统地分析网络分区的等待时间分布。当网络冗余增加时，等待时间分布相应地向右移动。同时，最大分区的大小减小，而它们的数量在统计上增加。法国、德克萨斯和波兰的现实电力网络也显示出相同的等待时间分布趋势。

气候变化研究与气候变化政策的相关性如何？基于Overton数据的实证分析

原文标题： How relevant is climate change research for climate change policy? An empirical analysis based on Overton data

地址： http://arxiv.org/abs/2203.05358

作者： Lutz Bornmann, Robin Haunschild, Kevin Boyack, Werner Marx, Jan C. Minx

摘要： 多年来，气候变化几乎是社会所有领域的一个持续话题。不参考科学成果就讨论气候变化是不可想象的。政策尤其如此，因为需要采取宏观行动以避免对社会造成代价高昂的后果。在这项研究中，我们处理了气候变化研究与政策如何联系起来的问题。 2019 年，新的 Overton 政策文件数据库发布，包括政策文件引用的研究论文的链接。对气候变化研究结果和建议的使用可能会反映在政策文件中对科学论文的引用中。尽管我们怀疑奥弗顿政策文件的覆盖范围存在很多不确定性，但国际气候政策周期似乎会对政策文件的发布产生影响。我们观察到围绕国际气候外交重大决策的气候政策文件的局部峰值。我们的研究结果指出，专注于气候变化的 IGO 和智囊团发布的气候变化政策文件比预期的要多。我们发现，气候变化政策文件中引用的气候变化论文的平均引用次数明显多于这些文件中未引用的气候变化论文。两个社会领域（科学和政策）都专注于类似的气候变化研究领域：生物学、地球科学、工程学和疾病科学。基于本研究中的这些和其他实证结果，我们提出了一个考虑不同文件类型链的政策影响的简单模型：该链从科学评估报告（系统审查）开始，通过科学传播文件（政策简报、政策报告或简明的语言摘要）和政府对立法文件的报告。

有偏见的选民模型：一个小团体的说服力如何？

原文标题： Biased-voter model: how persuasive a small group can be?

地址： http://arxiv.org/abs/2203.05376

作者： Agnieszka Czaplicka, Christos Charalambous, Raul Toral, Maxi San Miguel

摘要： 我们研究了存在信心和偏见的选民模型动态。我们假设有两种选民。信心与选民状态无关的无偏见选民和信心偏向于共同固定偏好状态的有偏见选民。我们使用平均场理论在完整图上分析问题，并使用对近似对 ErdHosR’enyi 随机网络拓扑进行分析，其中我们假设交互拓扑网络与选民类型无关.我们发现，对于随机初始设置的情况，并且对于足够多的选民 N，达成共识的时间与 log(N)/gamma v 成比例增加，其中 gamma 是有偏见的选民和 v 量化选民偏见的参数（v=0 无偏见）。我们通过数值模拟验证了我们的分析结果。我们在交互网络的偏置依赖拓扑上研究该模型，并检查两种不同的全局平均度保持策略（模型 I 和模型 II），以从偏置独立随机拓扑案例开始获得这种偏置依赖随机拓扑作为初始设置。保持所有其他参数不变，在模型 I mu_BU 中，有偏见（B）和无偏见（U）选民之间的平均链接数是变化的，代价是 mu_UU 和 mu_BB，即分别只有无偏见和有偏见的选民之间的平均链接数。在模型 II 中，mu_BU 保持不变，而 mu_BB 以 mu_UU 为代价而变化。我们发现，如果主体遵循模型 II 描述的策略，他们可以显著减少达成共识的时间，并增加达成共识到首选状态的概率。

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。