1. ${siteName}首页
  2. 文化

BesselvanderKolk《心靈的傷，身體會記住》作品简介与读书感悟

• • 阅读 222

主动攻击下二模网络中的基本隐私限制;具有统计置信度的网络上的扩散源识别;用于社区检测的流式信念传播;基于断裂力学的法医证据碎片定量匹配;科学计量工程学：通过开放电子印本揭示时空引文动态;意外检测中尺度

主动攻击下二模网络中的基本隐私限制;

具有统计置信度的网络上的扩散源识别;

用于社区检测的流式信念传播;

基于断裂力学的法医证据碎片定量匹配;

科学计量工程学：通过开放电子印本揭示时空引文动态;

意外检测中尺度结构;

网络上的多核表示学习;

5G 电子医疗系统、技术、用例和未来挑战的设计和实施;

动量方程惯性项的大规模实证研究;

相对聚类系数;

通过图粗粒化扩大图神经网络;

理解在 COVID-19 大流行期间对远程通信的隐私态度和担忧;

用于优化控制网络矩的有效输入放置;

使用时变有效接触率校准 COVID-19 SEIR 模型;

打击加密平台错误信息的提示：2019 年印度大选 WhatsApp 案例研究;

主动攻击下二模网络中的基本隐私限制

地址：

具有统计置信度的网络上的扩散源识别

地址：

用于社区检测的流式信念传播

地址：

摘要： 社区检测问题需要将网络节点聚集成少数连接良好的“社区”。最近在描述简单随机块模型下社区检测的基本统计限制方面取得了重大进展。然而，在实际应用中，网络结构通常是动态的，随着时间的推移节点会加入。在此设置中，我们希望检测算法在每个节点到达时仅执行有限数量的更新。虽然标准投票方法满足这一限制，但尚不清楚它们是否以最佳方式利用网络信息。我们为随时间增长的网络引入了一个简单的模型，我们将其称为流式随机块模型 (StSBM)。在这个模型中，我们证明投票算法具有根本的局限性。我们还开发了一种流式信念传播 (StreamBP) 方法，我们证明了在某些情况下的最优性。我们在合成数据和真实数据上验证了我们的理论发现。

基于断裂力学的法医证据碎片定量匹配

地址：

摘要： 经常在犯罪现场发现具有粗糙和不规则表面的断裂金属碎片。当前的法医实践使用比较显微镜和物理模式分析来目视检查断裂表面的复杂锯齿状轨迹，以识别“匹配”。我们开发了一种新颖的计算框架，利用断裂力学和统计分析的基本概念来提供匹配概率和错误率的定量匹配分析。该框架采用断裂表面的统计数据，在相关的微观长度尺度上具有独特的粗糙度特征，这取决于材料对断裂的固有抵抗力及其微观结构。在这样一个被发现大于两个晶粒尺寸或微观特征尺寸的尺度上，我们确定证据碎片上的材料固有特性、微观结构和外力暴露历史具有唯一性的前提，即定量描述断裂表面的微观特征，以便进行法医比较。该方法利用断裂表面重叠拓扑图像的 3D 谱分析，并使用统计学习以非常高的精度对样本进行分类。两个频率范围内图像对的互相关用于开发匹配和不匹配图像对之间分布的矩阵变量统计模型，并为识别匹配和确定错误率提供决策规则。一组三十八种不同的钢制品断裂面被正确分类。该框架为法医应用奠定了基础，对具有不同纹理和机械性能的广泛断裂材料进行定量统计比较。

科学计量工程学：通过开放电子印本揭示时空引文动态

地址：

BesselvanderKolk《心靈的傷，身體會記住》作品简介与读书感悟

意外检测中尺度结构

地址：

摘要： 在复杂网络中识别中尺度结构的重要性再怎么估计也不为过。到目前为止，很多注意力都集中在二元网络上社区、二分和核心-外围结构的检测上。这样的努力导致了基于称为惊喜的评分函数的统一框架的定义，即可以分配给无向和有向网络上任何给定节点分区的 p 值。在这里，我们的目标是更进一步，通过将整个框架扩展到加权案例：在回顾了基于惊喜的形式主义在检测二元中尺度结构中的应用之后，我们提出了它的适当推广，用于检测加权中尺度结构，这个主题仍然在很大程度上未得到充分探索。为此，我们分析了惊喜的四种变体；从技术角度来看，这相当于使用了超几何分布的四种变体：二项式用于检测二元社区，多项式用于检测二元“双模”结构，以及用于检测社区的负对应项和加权网络上的“双模”结构。最重要的是，我们定义了两个“增强”的惊喜变体，能够对二进制和加权约束进行编码，其定义取决于超几何概率质量函数的两个合适的概括。因此，我们提出了一种通用的、基于统计的方法，通过一个统一的、基于惊喜的框架来检测网络上的中尺度结构。为了说明我们方法的性能，我们将它们的应用结果报告给了几个现实世界的网络，包括社会、经济、金融和生态网络。此外，我们在论文中附上了一个 Python 代码，该代码实现了当前工作中考虑的所有版本的惊喜。

网络上的多核表示学习

地址：

5G 电子医疗系统、技术、用例和未来挑战的设计和实施

地址：

摘要： 第五代（5G）旨在以更高的可靠性、更低的延迟和更快的传输速度连接海量设备，这对于实施电子医疗系统至关重要。然而，目前在 5G 电子医疗系统方面的努力仍然不足以完成其完整的蓝图。在本文中，我们首先从物理层、上层和跨层的角度讨论设计 5G 电子健康系统的相关技术。随后，我们根据我们的实施详细说明了两个用例，即用于远程医疗的 5G 电子医疗系统和用于遏制 Covid-19 大流行的 5G 电子医疗系统。我们最终展望了 5G 电子医疗系统的未来研究趋势和挑战。

动量方程惯性项的大规模实证研究

地址：

摘要： 减少欧拉方程在天然气网络模拟和优化中的复杂性的一种常见方法是忽略对整个方程贡献很小的小项。一个例子是动量方程的惯性项，因为据说它在实际操作条件下的大小可以忽略不计。但是，这种理由始终仅基于经验或单组人工数据点。本研究通过对运行真实世界天然气网络时惯性项的绝对和相对大小进行大规模实证评估来弥补这一差距。我们的数据包括欧洲最大的天然气网络之一的三年细粒度状态数据，其中包含 6，000 多根管道，总长度超过 10，000 公里。我们发现只有 120 个事件中由多个管道组成的子网具有超过三分钟的高显著性惯性项。平均而言，此类事件发生的频率低于每十天一次。因此，我们得出结论，对于现实世界的瞬态天然气网络控制问题，惯性项确实可以忽略不计。

相对聚类系数

地址：

通过图粗粒化扩大图神经网络

地址：

摘要： 图神经网络的可扩展性仍然是图机器学习的主要挑战之一。由于节点的表示是通过递归聚合和变换来自先前层的相邻节点的表示向量来计算的，因此感受野呈指数增长，这使得标准的随机优化技术无效。已经提出了各种方法来缓解这个问题，例如，基于图过滤器预计算的基于采样的方法和技术。在本文中，我们采用了一种不同的方法，并建议使用图粗化进行 GNN 的可扩展训练，这是通用的、极其简单的并且在训练过程中具有次线性的内存和时间成本。我们对使用粗化操作的效果进行了广泛的理论分析，并为粗化方法的选择提供了有用的指导。有趣的是，我们的理论分析表明，粗化也可以被认为是一种正则化，可以提高泛化能力。最后，现实世界数据集的实证结果表明，简单地应用现成的粗化方法，我们可以将节点数量减少多达 10 倍，而不会导致分类精度的明显下降。

理解在 COVID-19 大流行期间对远程通信的隐私态度和担忧

地址：

摘要： 自 2019 年 12 月以来，COVID-19 大流行已导致世界各地的人们保持社交距离，这导致远程通信用于工作、社交和在家学习的情况突然增加。由于远程通信将比大流行更持久，因此在这种前所未有的环境中保护用户的安全并尊重他们的隐私至关重要，这需要彻底理解他们的行为、态度以及对远程通信各个方面的关注。为此，我们对全球 220 名 Prolific 参与者进行了在线研究。我们发现隐私和安全是影响参与者对会议工具和会议地点的态度和舒适度的最常提及的因素之一。开放式回答显示，大多数参与者在远程会议中选择会议工具或使用麦克风/网络摄像头时缺乏自主权，这在一些情况下与他们的个人隐私和安全偏好相矛盾。根据我们的发现，我们提炼出几项关于雇主、教育工作者和工具开发人员如何在进行远程通信时通知和授权用户做出隐私保护决定的建议。

用于优化控制网络矩的有效输入放置

地址：

摘要： 在本文中，我们研究了网络状态向量均值和方差的最优控制。我们开发了一种算法来优化受状态约束的控制输入放置，这必须在给定的时间阈值下实现；寻求以最低成本移动时刻的输入位置。首先，我们解决了一阶和二阶矩的多个变体的状态选择问题，并找到与系统 Gramian 矩阵的特征值相关的解。我们的算法然后使用这些信息来寻找局部最优的输入位置。这是投影梯度法 (GPGM) 的推广。我们解决了这些矩的一些常见版本的问题，包括平均状态和引起不和谐、排斥某个状态或鼓励收敛的二阶矩的版本。然后我们进行模拟，并讨论基于系统通量的中心性度量——一种描述哪些节点对平均状态的最佳控制最重要的度量。

使用时变有效接触率校准 COVID-19 SEIR 模型

地址：

摘要： 我们描述了由爱尔兰流行病学建模咨询小组 (IEMAG) 开发的基于人群的 SEIR（易感、暴露、感染、移除）模型，该小组就 COVID-19 响应向爱尔兰政府提供建议。该模型假设一个随时间变化的有效接触率（相当于一个随时间变化的再生数）来模拟非药物干预的效果。应用此类模型的一个关键技术挑战是它们对观察到的数据（例如，每日确诊的新病例数）的准确校准，因为该疾病的过去历史强烈影响对未来情景的预测。我们展示了一种基于 SEIR 方程反演结合数据的统计建模和样条拟合的方法，以产生一种稳健的方法来校准各种此类模型。

打击加密平台错误信息的提示：2019 年印度大选 WhatsApp 案例研究

地址：

上一篇 2022年12月19 19:03
下一篇 2022年12月20 09:16

相关推荐

关注微信