GMNN：图形马尔可夫神经网络 网络科学论文速递22篇

　　研究了关系数据中的半监督对象分类问题，这是关系数据建模中的一个基本问题。这个问题在统计关系学习(如关系马尔可夫网络)和图形神经网络(如图形卷积网络)的文献中得到了广泛的研究。统计关系学习方法可以通过条件随机场有效地建模对象标签的依赖关系进行集体分类，而图形神经网络通过端到端的训练学习有效的对象表示进行分类。在本文中，我们提出了结合两者优点的图马尔可夫神经网络(GMNN)。一个 GMNN 模型的联合分布的目标标签与条件随机域，这可以有效地训练与变分 EM 算法。在 E-step 中，一个图形神经网络学习有效的目标表示，以逼近目标标记的后验分布。在 M-step 算法中，使用另一个图神经网络对局部标签依赖进行建模。对目标分类、链路分类和无监督节点表示学习的实验表明，GMNN 获得了最佳的结果。

　　摘要：许多觅食微生物依靠细胞传输网络在生物体的不同部分之间传递营养物质、液体和细胞器。从丝状真菌到黏菌等网状有机体，在其传输介质中混合或分散分子和细胞器的能力非常强。在这里，我们介绍数学工具来分析能源效率的传输网络的结构，最大限度地混合和发送来自和到达每个节点的信号。我们定义两种类型的熵流量化混合和发展数值算法，以优化组合的熵和网络上的能量，给定限制的可用材料的数量。本文深入探讨了有限三角形网格上的最优单源汇网络，这是平面上最优传输网络的基本设置。通过数值模拟和严格的证明，我们证明了，如果对导纳的约束是严格的，最优网络是每个可能长度的路径。如果放松了约束，我们的算法就会生成一个环状网络，这个环状网络从源头开始向外扩散，然后倒回到流向汇聚区的单一路径。总之，我们的研究结果扩展了可以与真实生物数据进行比较的最优运输网络类别，并且突出了真实网络形态可能是如何通过在运输效率和混合运输物质的需求之间的权衡而形成的。

　　摘要：最近在减缓气候变化方面进行合作的尝试突出表明，大规模协定的效力有限，而对减缓气候变化的承诺代价高昂，起初也很少。采用针对具体区域的缓解协议的自下而上的方法有望取得更大的成功，但代价是放慢全球采用的速度。在这里，我们展示了从区域谈判到全球谈判的适时转变，与同时使用地方、全球或两种协议类型相比，大大加快了气候减缓。这突出说明了缓解鼓励措施的具体规模作用: 地方鼓励措施利用区域差异(例如，最近的灾害鼓励缓解) ，承诺尽早采用区域，之后全球协定吸引采用较晚的区域。我们的结论是，全球协定是克服各区域之间缓解和经济竞争费用的关键，但一旦达成共同的区域协定，就应该尝试达成全球协定。逐步扩大规模的努力同样可以在较小规模上加速缓解工作，例如，当最初耗资巨大的生态系统恢复工作面临有限的公共和立法支持时。

　　摘要：所有的活细胞都与不断变化的世界动态地相互作用。尤其是真核生物，进化出了全新的感知和反应环境的方式。这些进步使得真核生物细胞行为的新的和更复杂的形式，包括定向运动，主动进食，交配，或对捕食的反应。但是在真核生成过程中，是什么关键事件和创新使这一切成为可能呢？在这里，我们描述了真核细胞的原始兴奋性，并讨论了五个主要的细胞创新，使其进化起源。这些创新包括离子通道的广泛扩展，细胞内膜作为细胞内电容器，柔韧的质膜，纤毛和伪足的出现，以及化学 ATP 渗透合成到线粒体的重新定位，这些化学反应释放了质膜以进行更复杂的电信号传导，涉及到感应和反应。我们推测，随着细胞体积的增大，这些新型的兴奋性极大地放大了与细胞反应相关的自由度，使真核生物在速度和准确性方面大大超过原核生物。这一关于兴奋性进化的全新视角丰富了我们对真核生成的观点，并强调行为和感知是真核生物成功的主要因素。

　　摘要：与普遍公认的 SIR 模型一起，几种方法被用来理解相互作用粒子的传染动力学。在这里，引入了活性布朗粒子(ABP)来模拟在时空中传播传染病的的传染动力学。对几种种群密度和传染率进行了模拟。我们的结果表明，ABP 不仅复制了传统 SIR 模型中观察到的时间依赖性，而且还允许我们探索促进病毒传播的临界密度、传染半径和随机恢复时间。进一步，我们推导出了在微观参数下传染率的第一性原理解析表达式，而没有像基于 sir 的经典模型那样假设自由参数。这种方法提供了一种新颖的替代方法，将微观过程纳入到基于 sirbased 模型的分析中，并应用于广泛的生物系统。

　　摘要：本文利用长波长限制来计算生物传感器的 LSPR 响应，扩展了开源 PyGBe 代码来计算金属纳米粒子在任何传感目标存在下的消光截面。目标分子基于其晶体结构由表面网格表示。是一款用于连续静电学的研究软件，使用 Python 编写，通过 PyCUDA 在 GPU 硬件上加速昂贵的计算部件。它还通过一个提供 o (nlogn)计算复杂度的 treecode 加速算法。这些特性允许 PyGBe 处理50万个或更多边界元素的问题。利用一个孤立的银纳米球在电场中的模型问题，我们的结果表明网格收敛为1/N，消光截面作为波长的函数进行了精确计算(与解析解相比)。对于一个传感器分析系统的模型，由一个球形的银纳米颗粒和一组牛血清白蛋白蛋白组成，我们的结果再次得到网格收敛为1/N (相对于 Richardson 外推值)。计算出牛血清白蛋白存在时 LSPR 响应作为波长的函数，由于分析物在1-nm 距离处的存在，共振频率会出现0.5 nm 的红移。最终的结果是生物传感器模型的灵敏度研究，获得了蛋白质和纳米颗粒之间不同距离的共振频率的移动。本文中的所有结果都是完全可复制的，我们已经将所有需要再次运行计算和重新创建图形的材料存放在档案数据库中。PyGBe 是一个基于许可证的开源软件，并且是公开开发的。文件可在this http URL 这个 http URL.。

　　摘要：物种灭绝是影响地球生命多样性的核心过程。生态位理论认为，种群中物种之间的竞争是导致物种灭绝严重程度不同的关键因素。有一些族群动态模型描述了一种简单易懂的资源竞争机制。然而，这些模型不能有效地描述和量化由于环境强迫而出现的大规模种群中新的突发灭绝事件。为了解决这个问题，我们开发了一个随机物理启发的方法来分析如何环境强迫影响物种灭绝的严重性在这样的模型。这种方法是基于随机过程的大偏差理论(Freidlin-Wentzell 理论)。我们展示了三种可能的完全不同的灭绝场景，我们称之为灾难性灭绝，非对称灭绝，以及几何级数小概率的灭绝。这些场景的实现取决于环境噪声特性和生态位边界，这些边界界定了物种生存的领域。此外，我们描述了物种灭绝的滞后效应，表明即使平均资源供应足以支持种群生存，波动也可能导致戏剧性的后果。我们的随机物理启发的方法通过解释环境强迫概括了生态位理论，并将有助于发现，通过现有的数据，哪些环境扰动可能导致灭绝。

　　摘要：图神经网络在基于图的半监督节点分类方面取得了显著的成功，利用相邻节点的信息提高了目标节点的表示学习能力。Gnn 在节点分类中的成功依赖于连接节点具有相同标签的假设。但是，这样的假设并不总是有效，限制了 gnn 在节点分类方面的性能。本文提出了一种基于标签一致性的图形神经网络(LC-GNN) ，利用标签相同但没有连接的节点对扩大 gnn 中节点的感受域。基于基准数据集的实验结果表明，LC-GNN 在基于图的半监督节点分类中优于传统的 gnn，并进一步证明了 LC-GNN 在稀疏场景中只有少量标记节点的优越性。

　　摘要：就像自然界的一切事物一样，科学话题也是时兴时衰。虽然现有文献通过引用模式很好地捕捉了文章的生命周期，但对于某一特定主题的科学流行程度和影响力如何演变却知之甚少。如果我们能像感知温度一样感知主题的活动，那将是最直观的。本文通过引文网络动力学，提出知识温度的概念来量化话题的整体热度和影响力。知识温度包括两部分。第一部分通过类比话题进化和等压线扩展来评估知识积累的持久影响。另一部分则通过内能熵变率、两个热力学变量的节点度和边数来近似表示知识结构的时间变化，这是短期流行的体现。我们对1000到30000多篇文章的代表性主题进行了分析，发现主题能够为未来知识生成积累有用信息的能力是主题繁荣的关键。当有影响力的文章改变了他们的知识结构时，主题特别是体验温度激增。当主题结构中出现单一的非平凡小说研究焦点或合并时，这种趋势尤为明显。总的来说，知识温度体现了主题的独特进化周期。

　　摘要：流行病造成的中断似乎往往造成混乱，但实际上可以通过”流行病心理学”的镜头系统地理解。根据这一研究领域之父菲利普 · 斯特朗的说法，这种流行病不仅仅是生物学上的，而且还有可能引发三种社会流行病: 恐惧、道德教化和行动。这项工作是首次对斯特朗的模型进行大规模实证检验的研究。通过研究美国3900万社交媒体帖子中关于新型冠状病毒肺炎流行病的语言使用，这是第一个不仅在全球范围内而且在网上迅速传播的流行病。我们确定了三个不同的阶段，这三个阶段与库伯勒-罗斯的悲伤阶段相似。他们每个人都是三种社会流行病的不同拥有属性: 在拒绝阶段，人们拒绝接受现实，尽管其他国家的死亡人数在增加; 在暂停现实阶段(在该国宣布第一例死亡后开始) ，人们的恐惧转化为对迫在眉睫的感觉即将改变的愤怒; 最后，在接受阶段(在当局实施身体疏远措施后开始) ，人们为他们的日常活动找到了“新常态”。我们对斯特朗模型的实时操作主义使得将传染病心理学嵌入到任何实时模型(例如，流行病学和流动性模型)成为可能。

　　摘要：理解产业创新的主题演变是一个具有挑战性的问题。随着以专利文献形式存在的数字知识库的发展，了解组织的创新秘密——“流行语”变得越来越可行。然而，搜索和理解这些庞大的文本信息是一个自然的瓶颈。在本文中，我们提出了一种无监督的方法来提取流行语的摘要的专利授予美国专利商标局多年来。我们提出的系统实现了实质性的改进，无论是在准确率召回率方面，还是在最先进的技术方面。作为第二个目标，我们进行了广泛的实证研究，以了解流行语的时间演变跨越不同的组织。我们还展示了整体创新的演变，即在一个组织的专利中引入新的流行语，与该组织申请的专利未来获得的引用是如何相关联的。我们的代码和数据集将很快放在公共领域。

　　摘要：在这项工作中，分析了 SARS-CoV-2病毒的不同传播模式及其在决定新型冠状病毒肺炎大流行演变中的作用。计算了吸入感染性飞沫(初始喷射直径0.5ー750 m)引起感染的概率和相应干燥核(主要包裹飞沫蒸发后的病毒颗粒)感染的概率。在典型的，空调但静止，大的室内空间，为平均病毒载量，并在早期，咳嗽飞沫的初始直径在10米和50米之间有最高的感染概率。然而，当它们被吸入的时候，它们的直径很可能比最初的直径小5-6倍。由飞沫(空气/弹道)引起的最初几乎一致的感染概率在25秒内迅速衰减，而空气中干燥核的持续感染概率仅在1000秒内明显衰减。结合适于计算易感人群和液滴/核云之间接触频率的分子碰撞理论，感染概率被用来确定感染速率常数，从而导致 SEIR 模型。假设病毒在干燥的液滴核内的维持能力与液滴中的维持能力相同，那么在上述条件下，浮动的液滴核对于液滴的相应速率常数的贡献更大。结合这两种途径，我们计算了咳嗽液滴和细胞核引起的基本传染数 r 0。病毒载量、最小感染剂量、病毒半衰期对载体时相的敏感性、吸入空气稀释呼吸喷流的程度是决定特定物理传播方式和大流行演变的重要因素。

　　摘要：科学知识和进步是现代社会的基石。它们提高了我们对我们所生活的世界的认识，帮助我们应对包括新发传染病、气候变化和生物多样性危机在内的全球性挑战。对于任何科学家来说，无论他们主要从事基础知识生成还是应用科学，了解科学如何融入决策框架是很重要的。决策科学是一个旨在确定循证管理策略的领域。它为科学家提供了一个框架，以直接影响决策或了解他们的工作将如何适应一个决策过程。决策科学不仅仅是进行有针对性和相关的科学研究，或者提供协助决策者的工具; 它是一种制定问题的方法，将数学模型、利益攸关方价值观和后勤制约因素结合起来，以支持决策。在本文中，我们描述了决策科学，它在不同背景下的应用，并强调了目前在方法学和应用方面的差距。新型冠状病毒肺炎/艾滋病流行病使数学模型成为公众关注的焦点，但这只是模型决策的众多例子中的一个。其他例子包括风暴系统的模型(例如。龙卷风，飓风)和气候变化。尽管这些例子中的决策时间表差异很大(从几小时到几十年不等) ，但是基本的决策科学方法在所有问题中都是通用的。弥合不同群体之间的沟通差距是科学家面临的最大挑战之一。然而，通过更好地理解和参与决策过程，科学家将产生更大的影响，并对重要的社会问题作出更大的贡献。

　　摘要：第二波大流行病对社会构成了迫在眉睫的威胁，可能造成巨大的人命损失和破坏性的经济影响。我们采用流行病再正规化小组的方法来处理流行病，结合新型冠状病毒肺炎卫生组织的第一波数据，有效地模拟疾病传播和在不同欧洲国家传播的动态。这个框架让我们不仅可以模拟，欧洲之间和欧洲之外的边境控制效应，还可以模拟每个国家社会距离的影响。我们对欧洲和世界其他地区不同程度的人际交往进行统计分析。我们的研究结果简洁地总结为一个动画，报告了欧洲新型冠状病毒肺炎流行病第一波和第二波的时间演变。我们的第二波流感大流行的临时剧本可以被政府、金融市场、行业和个人用来有效地计时、准备和实施地方和全球措施。

　　摘要：这项研究基于2020年4月1日至6月20日期间公开可用的新型冠状病毒肺炎卫生组织数据进行预测建模，这些数据涉及印度及其5个最受感染的邦: Maharashtra、 Tamil Nadu、德里、古吉拉特邦和拉贾斯坦邦，使用易感、受感染、康复和死亡(SIRD)模型。基本传染数 r 0是用指数增长的方法，使用 RStudio 包 r 0。在 Jupyter Notebook 平台上利用 Python 3.7.4求解了反映 SIRD 模型的微分方程。为了可视化，使用了 Python Matplotlib 3.2.1包。这项研究对印度及其5个邦的新型冠状病毒肺炎感染高峰期、高峰人数以及结束日期提供了深入的见解。领导层、卫生当局和行业资深人士可以利用这些结果进行政策规划和执行。

　　摘要：我们通过将经典 SIR 流行病学模型增加神经网络模块，开发了一个全球适用的诊断/新型冠状病毒肺炎模型。我们的模型不依赖于以前的流行病，比如 SARS/MERS，所有的参数都是通过使用公开可用的新型冠状病毒肺炎数据的机器学习算法来优化的。该模型将对感染时间序列的贡献进行分解，以分析和比较欧洲、北美、南美和亚洲高度感染地区采用的检疫控制政策在控制病毒传播方面的作用。就所考虑的所有而言，我们的研究结果表明，从模型中学到的加强检疫控制与各区域各自政府采取的行动之间普遍存在很强的相关性。最后，我们在一个公共平台上为全世界70个受影响最严重的国家提供了我们的检疫诊断结果，公共卫生官员和研究人员可以利用这个平台作出知情决策。

　　摘要：微生物通常生活在温和和恶劣条件之间波动的环境中。虽然这种波动一定会造成局部灭绝和影响物种多样性，但尚不清楚多样性在不同波动率下的变化情况以及这种变化与物种相互作用的变化之间的关系。在这里，我们使用一个数学模型描述的动态资源，毒素，和微生物物种在恒化器中的资源供应开关。在大多数已探索的参数空间中，物种之间存在竞争，但竞争的强度依物种对毒素的敏感程度而达到高峰，或低，或高，或中等程度的转换率。然而，重要的是，物种对的竞争强度可以很好地预测群落多样性是如何随着转换率而变化的。总之，预测环境变化对竞争和群落多样性的影响是困难的，因为物种的属性很重要。这可以解释早期关于中间干扰假说的研究结果相矛盾。

　　摘要：在后时代，打击假新闻和虚假信息传播是一项具有挑战性的任务。新闻 feed 和搜索算法可能会导致无意中大规模传播虚假和捏造的信息，使用户暴露在通过算法选择的虚假内容中。我们的研究调查了嵌入在新闻评论平台中的可解释人工智能助手对于打击假新闻传播的效果。我们设计了一个新闻评论和分享界面，创建了一个新闻故事的数据集，并且训练了四种可解释的假新闻检测算法来研究算法透明度对最终用户的影响。我们提供了来自多个受控众包研究的评估结果和分析。为了更深入地理解可解释的人工智能系统，我们讨论了在解释过程中用户参与、心智模型、信任和性能度量之间的交互作用。研究结果表明，解释有助于参与者在不同条件下建立适当的智能助理心智模型，并根据模型的局限性相应调整其信任度。

　　摘要：新型冠状病毒肺炎流感大流行的恢复阶段需要仔细的规划和监测，同时人们逐渐恢复工作。物联网(Internet-of-Things，IoT)被广泛认为是在许多地区和社会帮助对抗新型冠状病毒肺炎流行病的重要工具。特别是，物联网解决方案捕获的异构数据可以为政策制定和社区事件的快速反应提供信息。介绍了一种新颖的物联网群体监控方案，该方案采用软件定义网络(SDN)辅助 WiFi 接入点作为24/7传感器，对物理空间的使用情况进行监控和分析。原型和人群行为模型是利用在大学校园里捕捉到的超过5亿条记录开发的。除了支持机构层面的知情决策外，结果还可以被个人访客用于规划或安排他们使用设施的时间。

　　摘要：本文分析了网络节点按度降序排列的度排序渗流模型(DOP)的性质。这一规则与人们广泛研究的程度上升协议相反，后者用于研究网络在有意攻击下的恢复能力，迄今为止受到的关注有限。由于 DOP 的一个变化与随机幂律度分布网络 p (k) k ー的 SIS 跃迁的消失有关，因此人们对 DOP 的兴趣也受到它与传染病传播的易感ー易感(SIS)模型的联系所驱动。通过使用母函数形式，我们研究了 DOP 模型在一般值为的网络上的行为，并通过数值模拟验证了分析结果。我们发现，在大网络极限下，渗透阈值在 3时消失，而对 3时则是有限的，尽管渗透阈值在3到4之间的值非常小，前渐近效应非常大。我们还推导了 DOP 跃迁的临界性质，特别是指数如何依赖于网络的非均质性，确定 DOP 不属于 3。

　　摘要：移动电话定位的传统方法是基于这样的假设，即通话详细记录(CDR)中记录的基站的地理位置是设备位置的代理。然后基于整个手机发射塔网络构建一个 Voronoi 镶嵌，这个镶嵌被认为是一个坐标系，设备位于一个手机发射塔的 Voronoi 多边形内，并被记录在 CDR 中。如果基于 voronoi 的定位是正确的，那么设备轨迹的唯一性很高，并且设备可以根据其记录的位置的3-4进行识别。我们提出并研究了一种设备定位的概率方法，这种方法是基于每个天线的参数和连接数量的知识，这取决于到天线的距离。基于 voronoi 图的天线布局与现实世界的关键区别在于天线服务区域的本质重叠: 位于基站多边形内的设备可以通过网络系统选择更远的天线来平衡网络负载。这种重叠非常重要，不容忽视。结合网络中每个天线可用连接数量的距离分布数据，我们成功地应用贝叶斯推断分析解决了重叠问题，并构建了一个设备位置的真实分布。概率设备定位要求对移动电话数据分析进行全面修订，我们将重点讨论隐私风险评估。

　　摘要：信息流行病的研究，也就是说，与危险事件相关的信息的快速传播，比如新型冠状病毒肺炎流行病，需要多种科学分支的整合。来自信息流行的动态有可能产生复杂的行为模式。对于商业和经济学领域来说，理解这些动态是至关重要的: 例如，它支持预测个人行为，这可能有助于减少新型冠状病毒肺炎流行病带来的不确定性，并允许评估政策决定的效率，以遏制其影响。除了商业和经济学领域，我们还考虑到以下学科: 通过计算机科学和信息系统的视角，个人可获取的信息是核心，即信息在社会中传播的方式受到信息提供和个性化所采用的算法的强烈影响。从语言学的角度来看，传染病流行期间出现的特定语言信号必须加以考虑(如情感相关词语、避免因果关系词语)。在信息流行病的背景下考虑语言模式似乎是高度相关的，因为它们强烈影响信息的解释、事实核查、非专家人员的理解以及自动检测错误信息的方式。从认知心理学的角度来看，重点在于动机、直觉和影响如何影响信息的搜索和评估，以及认知过程、数字信息环境和语言模式如何共同塑造个体对重大事件、风险感知和行为的理解。商业和经济学的观点允许将这些观点整合到更广泛的经济体系的背景中(例如，组织或社会)。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186