产品简介

打破单向入侵会破坏May-Leonard空间系统中的生物多样性;建模和预测社交距离和出行限制对COVID-19流传的影响;概率性社会学习改善了民众对错误信息的发现;用关键字共现网络跟踪物理学的生长;重新审视社会渗流：从二维格子到自适应网络;从带地理位置的自由文本中自动提取对都会室外的感知;在COVID-19时代重温SIR：明确的解决方案和控制问题;跨语言、国家宁静台表征和比力COVID-19错误信息;配水系统中泵的实时优化的深度强化学习;双向方法来比力网络的模块化结构;打破单向入侵会破坏May-Leonard空间系统中的生物多样性原文标题： Breaking unidirectional invasions jeopardizes biodiversity in spatial May-Leonard systems地址： http://arxiv.org/abs/2010.05950作者： D. Bazeia, B.F. de Oliveira, J.V.O. Silva, A. Szolnoki摘要： 非过渡性优势以及由此发生的三个或更多竞争物种的循环循环为解释生物和生态系统中的生物多样性提供了基本机制。

产品介绍

本文摘要：打破单向入侵会破坏May-Leonard空间系统中的生物多样性;建模和预测社交距离和出行限制对COVID-19流传的影响;概率性社会学习改善了民众对错误信息的发现;用关键字共现网络跟踪物理学的生长;重新审视社会渗流：从二维格子到自适应网络;从带地理位置的自由文本中自动提取对都会室外的感知;在COVID-19时代重温SIR：明确的解决方案和控制问题;跨语言、国家宁静台表征和比力COVID-19错误信息;配水系统中泵的实时优化的深度强化学习;双向方法来比力网络的模块化结构;打破单向入侵会破坏May-Leonard空间系统中的生物多样性原文标题： Breaking unidirectional invasions jeopardizes biodiversity in spatial May-Leonard systems地址： http://arxiv.org/abs/2010.05950作者： D. Bazeia, B.F. de Oliveira, J.V.O. Silva, A. Szolnoki摘要： 非过渡性优势以及由此发生的三个或更多竞争物种的循环循环为解释生物和生态系统中的生物多样性提供了基本机制。

打破单向入侵会破坏May-Leonard空间系统中的生物多样性;建模和预测社交距离和出行限制对COVID-19流传的影响;概率性社会学习改善了民众对错误信息的发现;用关键字共现网络跟踪物理学的生长;重新审视社会渗流：从二维格子到自适应网络;从带地理位置的自由文本中自动提取对都会室外的感知;在COVID-19时代重温SIR：明确的解决方案和控制问题;跨语言、国家宁静台表征和比力COVID-19错误信息;配水系统中泵的实时优化的深度强化学习;双向方法来比力网络的模块化结构;打破单向入侵会破坏May-Leonard空间系统中的生物多样性原文标题： Breaking unidirectional invasions jeopardizes biodiversity in spatial May-Leonard systems地址： http://arxiv.org/abs/2010.05950作者： D. Bazeia, B.F. de Oliveira, J.V.O. Silva, A. Szolnoki摘要： 非过渡性优势以及由此发生的三个或更多竞争物种的循环循环为解释生物和生态系统中的生物多样性提供了基本机制。Lotka-Volterra和May-Leonard类型模型方法都同意，该循环中入侵速率的异质性不会危害竞争物种的共存。虽然由此发生的富厚物种变得异质，但入侵力最小的物种从不平等的入侵中受益最大。

可是，掠食者和猎物相互作用中的有效入侵率也可以通过打破优势偏向并以较小的概率允许反向入侵来举行修改。只管这种改变对Lotka-Volterra模型框架内的行为没有特殊影响，但May-Leonard系统的反映却截然差别。在后一种情况下，不仅上述“最弱的生存”效果消失，而且如果反向入侵凌驾阈值，则无法维持环路的共存。

有趣的是，消灭为匀称状态的特征在于非单调概率函数。虽然反向入侵的存在并没有完全削弱原始捕食者物种的演化优势，可是这种削弱的有效入侵率有助于相关的猎物物种收集更大的初始区域，以便在它们之间举行最后的战斗。

这些历程的竞争决议了系统终止统一状态的可能性。建模和预测社交距离和出行限制对COVID-19流传的影响原文标题： Modelling and predicting the effect of social distancing and travel restrictions on COVID-19 spreading地址： http://arxiv.org/abs/2010.05968作者： Francesco Parino, Lorenzo Zino, Maurizio Porfiri, Alessandro Rizzo摘要： 迄今为止，应对COVID-19大盛行伸张的唯一有效手段是非药物干预（NPI），这需要接纳淘汰社会运动和交通限制的政策。

量化其影响是难题的，可是淘汰它们的社会和经济结果是关键。在这里，我们先容一种基于时态网络的元人口模型，该模型已凭据意大利的COVID-19暴发数据举行了校准，并易于评估这两种NPI的效果。我们的方法将元人口模型的精致空间建模的优势与通过运动驱动的网络现实地形貌社交联系的能力联合在一起。

我们提供了一个有价值的框架来评估差别NPI的生存能力，这些NPI的时间和严重性有所差别。效果讲明，行动未便的影响很大水平上取决于在发作早期阶段实时实施非营利机构的能力，而淘汰运动的政接应在事后优先思量。

概率性社会学习改善了民众对错误信息的发现原文标题： Probabilistic Social Learning Improves the Public’s Detection of Misinformation地址： http://arxiv.org/abs/2010.06019作者： Douglas Guilbeault, Samuel Woolley, Joshua Becker摘要： 错误信息的数字流传是对民主，公共卫生和全球经济的主要威胁之一。缓解错误信息的盛行计谋包罗众包，机械学习和媒体素养法式，这些法式要求社交媒体用户将新闻以二进制术语分类为真或假。可是，对同伴影响力的研究讲明，以二进制术语组成决议可能会放大判断错误并限制社会学习，而以概率术语组成决议则可以可靠地改善判断。

在此预先注册的实验中，我们比力了在线对等网络，这些网络通过交流二进制或概率判断来协作评估新闻的准确性。交流新闻准确性的概率预计可以大大改善小我私家和团体的判断，从而消除新闻评估中的南北极分化。相比之下，交流二元分类会淘汰社会学习并根深蒂固的南北极分化。概率性社会学习的利益对于到场者的教育，性别，种族，收入，宗教信仰和党派关系具有强大的作用。

用关键字共现网络跟踪物理学的生长原文标题： Tracing the evolution of physics with a keyword co-occurrence network地址： http://arxiv.org/abs/2010.06111作者： Taekho You, Oh-Hyun Kwon, Jisung Yoon, Woo-Sung Jung摘要： 形貌科学的生长不仅是展现科学趋势，而且是建设科学分类体系的一项重要事情。在本文中，我们通过视察关键字共现网络的结构和变化来研究科学的生长。

从七个目的物理领域及其由韩国物理学会专家选择的初始关键字开始，我们使用我们提出的方法生成了关键字共现网络，可以更好地描画拓扑结构。这样，我们可以从一小部门初始关键字中构建一个更相关，更富厚的关键字网络。

通过这些网络，我们可以通过检测社区并提取每个社区的焦点关键字来乐成地确定科学子领域。此外，我们使用时间快照关键字网络追踪了子领域的时间演变，效果社区成员的时间变化很好地解释了研究领域的生长。我们使用关键字共现网络跟踪研究领域生长的方法，可以资助您识别和评估科学的生长重新审视社会渗流：从二维格子到自适应网络原文标题： Social percolation revisited: From 2d lattices to adaptive networks地址： http://arxiv.org/abs/2010.06393作者： Frank Schweitzer摘要： 社会渗透模型 citep solomon-et-00思量了二维规则晶格。

每个站点都由具有优先权的 x i 主体从统一漫衍 U [0,1] 中采样。仅当 x i leq q 时，主体才将有关影戏质量 q 的信息传输给邻人。

如果 q = q c = 0.593 ，则信息将渗透到晶格中。-从网络角度来看，渗流群集可以看作是具有 n c 个节点且平均度取决于 q c 的随机规则网络。

通过保留这些随机规则网络的数量，可以在确定链接概率 p 之后从 G（n，p）模型生成一个真正的随机网络。然后，我演示如何将该随机网络转换为阈值网络，在该网络中，主体凭据其 x i 值建立链接。

假设 x_ i 的动态变化和群体形成的机制，我进一步将该模型扩展为适应性社会网络模型。从带地理位置的自由文本中自动提取对都会室外的感知原文标题： Automatic Extraction of Urban Outdoor Perception from Geolocated Free-Texts地址： http://arxiv.org/abs/2010.06444作者： Frances Santos, Thiago H Silva, Antonio A F Loureiro, Leandro Villas摘要： 在基于位置的社会网络（LBSN）上人们共享的都会感知的自动提取是重要的多学科研究目的。原因之一是因为它有助于以可扩展的方式明白都会区域的内在特征，从而有助于使用新服务。

可是，在LBSN上共享的内容是多种多样的，涵盖了多个主题，例如政治，体育，文化，宗教和都会认知，这使得针对特定主题的内容提取任务很是具有挑战性。思量到在LBSN上共享的自由文本消息，我们提出了一种自动的通用方法来提取人们的看法。为此，我们的方法探索时空和语义上相似的看法。我们以芝加哥，纽约和伦敦的都会室外区域为例来说明我们的方法。

研究这些区域，我们发现LBSN数据带来了有关都会地域的有价值的信息。为了分析和验证我们的效果，我们举行了时间分析以权衡效果随时间推移的稳健性。我们讲明，我们的方法有助于从差别角度更好地明白都会地域。我们还基于公共数据集举行了比力分析，该数据集包罗志愿者对通过对照实验表达的对都会地域的看法。

我们视察到，两个效果都发生很是相似的一致水平。在COVID-19时代重温SIR：明确的解决方案和控制问题原文标题： Revisiting SIR in the age of COVID-19: Explicit Solutions and Control Problems地址： http://arxiv.org/abs/2010.06445作者： Vivek S. Borkar, D. Manjunath摘要： 提出并研究了形貌种群在社区内流传的非保留种群SIR（SIR-NC）模型。

与尺度SIR模型差别，SIR-NC不假定种群守恒。只管SIR-NC在形式上与尺度SIR类似，但在允许我们对死亡率举行建模的同时，也接受了关闭形式的解决方案，而且还提供了对模型参数的差别且可能更现实的解释。提供了该SIR-NC模型与尺度的，种群守恒的SIR模型的数值比力。提出并分析了包罗外来熏染，社区互动以及包罗出生和死亡在内的模型的扩展。

还提供了几个数值示例来说明这些模型。提出了SIR-NC盛行病模型的两个控制问题。首先，我们思量一连时间模型预测控制，其中成本函数变量对应于锁定级别，测试和隔离级别以及熏染数量。

我们还包罗在锁定级别之间移动的切换成本。然后提供了更易于盘算的离散时间版本以及数字插图。然后，我们思量一个多目的和多社区控制，其中我们可以在差别社区上界说多个成本函数，并获得最小成本控制，以使与这些控制目的相对应的价值函数保持在划定的阈值以下。

跨语言、国家宁静台表征和比力COVID-19错误信息原文标题： Characterizing and Comparing COVID-19 Misinformation Across Languages, Countries and Platforms地址： http://arxiv.org/abs/2010.06455作者： Golshan Madraki, Isabella Grasso, Jacqueline Otala, Yu Liu, Jeanna Matthews摘要： 关于COVID-19的错误信息/虚假信息在全球社交媒体上普遍存在。在本研究中，我们观察了伊朗，中国和美国等多个国家/地域使用多种语言（波斯语，波斯语，中文和英语）在社交媒体上流传的COVID-19有误信息，如Twitter，Facebook，Instagram，微博和WhatsApp。有误信息，特别是关于全球盛行病的信息，是一个全球性问题，然而，在社交媒体上研究COVID-19错误信息时，通常只关注一种语言，例如英语，一个国家（例如美国）或一个平台（例如英语）。推特。

我们使用时机抽样方法，在1月1日至8月31日之间泛起的这些语言，国家/地域宁静台上，整理了200种特定的病毒式和揭穿式错误信息。然后，我们凭据错误信息的主题以及该错误信息的泉源对本馆藏举行了分类。我们的多元文化和多语言团队视察到，社交媒体上COVID-19错误信息的性质在差别语言/国家/地域之间存在很大差异，详细取决于文化，信仰/宗教，社交媒体的普及水平，平台的类型，言论自由和人与政府的气力。

我们视察到，政治是此数据集中所有三种语言收集的大多数错误信息的泉源。我们进一步视察到政府对平台的限制所发生的差别影响，以及伊朗，中国和美国对内容的平台所发生的差别影响，以及它们对我们这个时代关键问题的影响：我们如何控制错误信息，而又不压制要求政府卖力的声音？配水系统中泵的实时优化的深度强化学习原文标题： Deep Reinforcement Learning for Real-Time Optimization of Pumps in Water Distribution Systems地址： http://arxiv.org/abs/2010.06460作者： Gergely Hajgató, György Paál, Bálint Gyires-Tóth摘要： 在水分配系统（WDS）中，对泵举行实时控制可能是一项不行行的任务，因为寻找最佳泵速的盘算会占用大量资源。使用通例优化技术时，纵然有了智能水网络的功效，也无法降低盘算需求。

此处先容了深度强化学习（DRL），作为两个WDS中泵的控制器。训练基于深度q网络对决的主体，以基于瞬时节点压力数据维持泵的速度。通例优化技术（例如Nelder-Mead方法，差分演化）用作基准。

与性能最佳的基线相比，DRL主体实现的总效率高于0.98，而与之相比，提速约为2倍。提出的方法的主要孝敬在于，主体可以实时运行泵，因为它仅取决于丈量数据。如果将WDS替换为水力模拟，则该主体的搜索速度仍优于传统技术。

双向方法来比力网络的模块化结构原文标题： A bi-directional approach to comparing the modular structure of networks地址： http://arxiv.org/abs/2010.06568作者： Daniel Straulino, Mattie Landman, Neave O’Clery摘要： 在这里，我们提出了一种新的方法来比力一对节点对齐网络的模块化结构。当前的大多数方法（例如归一化的互信息）会比力从社区检测算法得出的两个节点分区，而忽略相应的基础网络拓扑。

为解决这一差距，我们的方法部署了一个社区检测质量功效，以评估每个节点分区相对于另一个网络的毗连结构的适合性。详细来说，对于两个网络A和B，我们将B的节点分区投影到A的毗连结构上。

通过评估B的分区相对于A在网络A上自己的分区的适合度（使用尺度质量函数），我们可以量化网络A形貌了B的模块化结构。在另一个偏向上重复此历程，我们获得了二维距离怀抱，即双向（BiDir）距离。

我们方法论的优点是三方面的。首先，它适用于试图优化目的函数的种种社区检测算法。其次，它思量了网络结构，尤其是社区内部和社区之间的毗连强度，因此可以描画具有类似分区但其中一个可能具有更明确或更强大的社区结构的网络之间的差异。

第三，它还可以识别出差别的最佳分区掩盖了两个网络的底层社区结构相对相似这一事实的情况。我们将说明用于多种社区检测算法的方法，包罗多分辨率方法以及一系列模拟和现实世界网络。声明：Arxiv文章摘要版权归论文原作者所有，机械翻译后由本人举行校正整理，未经同意请勿随意转载。本系列在民众号“网络科学研究速递”（netsci）和小我私家博客举行同步更新。

本文关键词：澳门威斯尼斯人棋牌

本文来源：澳门威斯尼斯人棋牌-www.fpgzw.com