复杂网络上的传播动力学建模及其干预研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:loving_tiger
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现实世界中的许多传播现象均可以简化抽象成复杂网络上的传播过程,例如,社交网络上的信息传播,计算机网络上的病毒传播,接触网络上的疾病传播,金融网络上的危机扩散,等等。复杂网络上的传播动力学建模及其干预研究可以为谣言和疾病的防控、产品的营销、以及潮流的引导等提供决策依据,具有重要的现实意义。然而,目前来说,复杂网络上的传播动力学研究还存在着很多困难和挑战。一方面,网络传播动力学系统中的网络结构特征多样,传播动力学特性复杂,如何结合二者的信息来对网络传播过程进行有效的建模和干预是一个极具挑战性的问题。另一方面,现实当中的许多传播现象并非独立存在,而是相互作用、共同演化的,如何对这些错综复杂的共演传播现象进行建模和干预也存在很多困难。针对以上问题,本文将从单个信息的传播研究出发,进行基于连边动力学状态的信息传播研究,考虑结合网络的结构特性与传播动力学本身的特征来对网络传播过程进行干预;并以此为基础,进一步探讨两个传播过程相互作用的共演传播,开展基于连边动力学状态的信息–信息共演传播研究和基于个体意识的资源–疾病共演传播研究。本文主要的研究内容和创新点可以概括如下:(1)基于连边动力学状态的信息传播研究。信息传播在人类社会当中普遍存在,对现实世界中的一些典型信息进行建模分析和有效干预可以促进人类社会的良性发展。但是,目前关于复杂网络上信息传播的理论分析方法大多以节点为研究对象,基于网络连边的理论研究还很少。并且,现有的信息传播干预策略大多仅依赖于网络的结构特性,而忽略了传播动力学本身的特征信息。针对以上问题,本文以网络连边为分析对象,发展了一套基于连边动力学状态的信息传播分析方法,即SIR模型的边状态方程分析方法。该方法可以快速且准确地预测节点和连边的最终状态概率,从而准确地预测信息在网络中的最终传播范围。以此为基础,本文接着提出了一个衡量潜在连边在促进信息传播方面影响力的指标。该指标在一般参数条件下,可以有效地筛选出能促进网络中信息传播的最优潜在连边。最后,本文提出了一个基于最优潜在连边的信息传播干预策略。该策略有效地结合了网络的结构特性与传播动力学本身的特征,其对信息传播的干预效果优于以往仅依赖于网络拓扑中心性的启发式策略,弥补了以往信息传播干预策略研究中的不足。这部分的研究解决了如何有效地结合网络的结构特性与传播动力学本身的特征来对传播过程进行干预的问题,为后续共演传播动力学的相关研究奠定了一定的基础。(2)基于连边动力学状态的信息–信息共演传播研究。真实网络中的许多信息传播并非完全独立存在,而是相互作用、共同演化的。信息–信息共演传播动力学过程相对于单一信息传播来说,更加复杂多变。针对信息–信息共演传播的理论研究还很少,要结合网络结构特性和传播动力学本身特征来对信息–信息共演传播进行分析和干预更加地具有挑战性。鉴于此,本文首先拓展了co–SIR模型用于研究信息–信息共演传播;并以此为基础,针对两个信息对称传播的情况,提出了一个用于定量刻画潜在连边在促进共演信息传播方面影响力的指标。该指标结合了网络的结构特性和传播动力学本身特征,可以有效地识别co–SIR动力学系统中能促进共演信息传播的最优潜在连边。最后,本文还提出了一个基于最优潜在连边的co–SIR共演信息传播干预策略。在一般参数条件下,该策略相对于仅依赖于网络结构中心性的对比策略来说,可以更加有效地促进co–SIR动力学系统中共演信息的传播。这部分的研究可以帮助人们理解真实网络上的信息–信息共演传播过程,为实际当中信息传播的预测和控制提供可靠的决策依据,同时,其研究思路和方法也为后续不同类型传播动力学之间的共演研究提供了启发。(3)基于个体意识的资源–疾病共演传播动力学研究。不同类型传播过程之间的共演相对于同类型的来说,其演化机制更加错综复杂,但是具有更丰富的动力学现象,在现实当中也更加常见。本文研究了一类典型的不同类型传播过程之间的共演动力学,即资源–疾病共演传播动力学。考虑到疫情期间个人对疾病的防控意识,这里简称为“个体意识”,可以影响其自我保护的能力和对资源的捐赠行为,本文提出了一个基于个体意识的资源–疾病共演传播模型。该模型包含了基于个体意识的疾病传播和资源分配这两个不同类型的动力学过程,它们之间相互作用、共同演化。接着,在此模型的基础之上,本文系统地研究了群体的基础个体意识和网络异质性在资源–疾病共演传播动力学系统中所起的作用。结果表明,基础个体意识对共演传播的影响可以分为三个阶段:第I阶段,基础个体意识较弱,无法有效抑制疾病传播;第II阶段,基础个体意识较强,疾病爆发范围显著减小;第III阶段,基础个体意识足够大,疾病不再爆发。此外,本文还发现网络异质性对传播动力学的影响存在着“双刃剑”作用,即在基本传播概率较大,或者基础个体意识较小的情况下,网络异质性的增强可以抑制疾病传播;相反,则会促进疾病的传播。这部分的研究内容可以为现实当中疫情期间的资源调配和防疫策略制定提供可靠的决策依据。
其他文献
高灵敏、快速和低成本的生物标志物检测在重大疾病的早期诊断中具有重要意义。但现有的光学传感器尚不能达到疾病早期诊断的要求,主要存在三个方面的瓶颈问题。(1)光和物质相互作用弱,难以实现高灵敏传感;(2)传感器制备重复性差,难以实现高灵敏的一次性使用;(3)步骤繁琐,难以实现快速检测。因此,如何同时实现一次性、高灵敏和快速的生化传感成为光学传感领域亟待解决的关键问题。针对上述瓶颈问题,本论文利用光微流
随着自动化技术的发展,工业机器人以其高效、低成本、重复性好等优点,在汽车制造、电子电气和航空航天等现代工业生产中得到了广泛的应用。在这些应用中,运动精度作为关键的性能指标,是工业机器人完成操作任务的重要保证。然而,由于工业机器人结构中制造误差、关节间隙、弹性变形等不确定性因素的影响,末端执行器实际的运动远未达到高精度、高可靠的性能要求。因此,精确地分析和评估工业机器人的运动精度可靠性,是确保其在工
装备制造业是一个国家工业化发展程度的重要标志。数控机床,作为装备制造业的“工作母机”,是不可缺少的“生产工具”。五轴数控机床作为高端机床的代表,由于具备两个旋转轴,拥有更好的加工柔性、更高的加工效率等优点,但同时也引入了更多的误差影响,刀具运动也更加复杂。研究五轴机床误差的作用机理,并进行检测与补偿,对提高五轴机床的加工精度具有十分重要的意义。本文以五轴联动数控机床为研究对象,考虑机床精度在几何误
自动目标识别(Automatic Target Recognition,ATR)是基于传感器获取的数据识别目标的技术,能够通过模式识别、机器学习算法实现目标的类别或属性的判定,是提升传感器信息感知能力、实现传感器技术应用的关键技术之一,具有重要的研究意义。随着传感器技术的快速发展和广泛应用,海量数据被积累,而且数据量仍在不断增加。日益增多的数据必然会对目标识别能力的提升和应用范围的拓展起到积极作用
学位
近年来,人工智能发展迅速,成为国家重点关注和建设的领域。人工神经网络作为一种模仿动物神经网络的技术,能促进人工智能行业快速发展。究其本质来说,人工神经网络是一种动力系统,本文以几类具有时滞的动力系统为研究课题,基于Lyapunov理论,着重研究了时滞神经网络的稳定性与耗散性、马尔科夫复杂网络的同步性与控制器设计、时滞复杂网络的指数同步性与控制器设计、网络攻击下的多智能体的一致性与控制器设计。具体研
近年来,得益于数据获取、储存、处理等技术的进步,机器学习算法得到了快速发展。机器学习算法起初只应用于图像分析、模式识别等计算机领域,但由于其优越的性能,机器学习算法正作为一种新方法,为解决复杂电磁学问题提供了更多选择。无线通信系统是电磁学的代表性应用。为了搭建性能优良的通信系统,需要了解信道特性,并设计出满足性能要求的电磁器件。因此,本论文以信道建模与器件设计为研究方向,深入研究了相关基础理论与关
切换正系统是一类由几个连续和离散时间的正的子系统以及它们间的切换规则构成的系统。它同时具有正系统和切换系统的性质。切换正系统广泛存在于实际生活中,因此正日益受到学者们的关注。切换正系统由于具有比正系统和切换系统更加复杂的形式,以及更加多变的性质,故而其研究工作更加复杂。与正系统和切换系统相比,目前关于切换正系统的研究还相对较少。关于切换正系统在驻留时间限制下的分析综合问题的研究有待进一步丰富。因此
被广泛认为用以衡量机器是否具备智能的标志之一就是机器是否具备与人无障碍交流的能力,而这一能力主要由隐藏在机器背后的文本生成技术来体现。随着近十年来计算机硬件技术的飞速发展带动深度神经网络的日益更新,其强大的学习能力、特征取能力以及在信息间的映射能力为文本生成模型性能的升带来新的发展契机,同时也产生了一系列新的研究问题。本文着眼基于深度神经网络框架下的文本生成技术的研究,以文本摘要和机器翻译为切入点
物联网时代的到来,为传感器的发展提供了历史性机遇,但同时也带来了新的挑战。为满足物联网新场景下的需求,传感器将朝向微型化、低功耗、高性能方向转变。因此,基于新材料、新结构、新原理的高性能传感器亟待开发。石墨烯材料具有高迁移率、高比表面积、宽吸收光谱、柔性、超薄等特点,因此是极具潜力的传感敏感材料。并且,基于石墨烯的晶体管具有高速、可微型化等优势。高电容的固态电解质是晶体管中十分理想的栅介质层材料,