摘要: 包括自动驾驶汽车在内的智能城市交通系统的发展导致车辆控制过程中敌对干扰的威胁增加。这种干扰可能会扰乱运输系统的正常运作,如果是秘密进行,系统可能会在很长一段时间内受到负面影响。本文基于 Sakai-Nishinari-Fukui-Schadschneider (S-NFS) 规则,开发了一种模拟双车道环形道路交通的随机元胞自动机模型。在展示的模型中,除了普通车辆外,还有隐蔽对抗车辆;他们的任务是使用特殊的行为规则来减少交通系统的数量指标(例如交通流量)。考虑并比较了三个这样的规则:两个变道规则和一个减速规则。结果表明,这种抵消车辆可以影响交通流量,主要在基本图的最大值区域,即车辆密度的平均值处。在畅通的交通或交通拥堵中,对抗车辆的影响可以忽略不计,无论其行为规则如何。
控制随机幂律网络中的平均度数原文标题: Controlling the average degree in random power-law networks
地址: http://arxiv.org/abs/2203.11784
作者: Allan Vieira, Judson Moura, Celia Anteneodo
摘要: 我们描述了一个允许连续调整具有幂律度分布 p(k) 的不相关网络的平均度 langle k rangle 的过程。为了做到这一点,我们修改了p(k) 的低k 区域,同时保留大k 尾部直到截止。然后,我们使用修改后的p(k),通过配置模型得到构建网络所需的度数序列。我们分析得到的最近邻度和局部聚类,以验证不存在 k-dependencies。最后,引入了进一步的修改,以消除样本平均度的波动。
基于多类型高尔顿-沃森森林的扩散过程新探索原文标题: A Novel Exploration of Diffusion Process based on Multi-types Galton-Watson Forests
地址: http://arxiv.org/abs/2203.11816
作者: Yanjiao Zhu, Qilin Li, Wanquan Liu, Chuancun Yin, Zhenlong Gao
摘要: 扩散是一种常用的技术,用于在图上从点到点传播信息。扩散背后的基本原理尚不清楚。而多类型的高尔顿-沃森森林是一个没有空间或任何其他资源限制的人口增长随机模型。在本文中,我们使用退化的多类型 Galton-Watson 森林(MGWF)来解释扩散过程并建立它们之间的等价关系。通过 MGWF 的两阶段设置,可以明确地解释扩散过程和 Google PageRank 系统。它还改进了迭代扩散过程和 Google PageRank 系统的收敛行为。我们通过实验验证提案,同时提供新的研究方向。
基于 ERGM 的动态网络模型中的关系持续时间建模原文标题: Modeling Tie Duration in ERGM-Based Dynamic Network Models
地址: http://arxiv.org/abs/2203.11817
作者: Pavel N. Krivitsky (School of Mathematics and Statistics, University of New South Wales, Sydney, NSW, Australia)
摘要: Krivitsky 和 Handcock (2014) 提出了一个用于建模社会网络的可分离时间 ERGM (STERGM) 框架,该框架有助于对联系持续时间分布和联系形成的结构动力学进行可分离建模。在本说明中,我们探索了在该框架中可实现的危险结构,具有一阶和高阶马尔可夫假设,并提出了在该框架中对各种持续时间分布进行建模的方法。
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。本系列在公众号“网络科学研究速递”(netsci)和个人博客进行同步更新。