leyu乐鱼体育官网入口-乐鱼体育全站app手机版—Arxiv网络科学论文摘要9篇(2021-02-01)

日期:2022-04-23 05:50:02 | 人气:

本文摘要:AGSTN:学习注意力调整后的图时空网络,用于短期都会传感器值预测;BridgeDPI:预测药物-卵白质相互作用的新型图神经网络;COVID-19期间出口限制对全球小我私家防护设备商业网络的影响;多尺度都会动力学模型尺度之间的强耦合;动态的社会运动如何塑造盛行病:海浪,高原和地方病;混淆整数计划用于随机块模型中的社区检测;子图提名:通过示例检索查询网络中的子图;RetaGNN:用于整体顺序推荐的关系时间注意力争神经网络;COVID-19流传动力学中普遍性的涌现;AGSTN:

leyu乐鱼体育

AGSTN:学习注意力调整后的图时空网络,用于短期都会传感器值预测;BridgeDPI:预测药物-卵白质相互作用的新型图神经网络;COVID-19期间出口限制对全球小我私家防护设备商业网络的影响;多尺度都会动力学模型尺度之间的强耦合;动态的社会运动如何塑造盛行病:海浪,高原和地方病;混淆整数计划用于随机块模型中的社区检测;子图提名:通过示例检索查询网络中的子图;RetaGNN:用于整体顺序推荐的关系时间注意力争神经网络;COVID-19流传动力学中普遍性的涌现;AGSTN:学习注意力调整后的图时空网络,用于短期都会传感器值预测原文标题: AGSTN: Learning Attention-adjusted Graph Spatio-Temporal Networks for Short-term Urban Sensor Value Forecasting地址: http://arxiv.org/abs/2101.12465作者: Yi-Ju Lu, Cheng-Te Li摘要: 预测传感器值的时空相关时间序列在都会应用中至关重要,例如空气污染警报,自行车资源治理和智能交通系统。只管最近的进步使用图神经网络(GNN)更好地明白传感器之间的时空依赖关系,但它们无法对传感器之间的时空时空相关性(STC)举行建模,而且需要预界说的图,这些图既不总是可用,也不是完全可用可靠,而且一次只能针对特定类型的传感器数据。

而且,由于时间序列颠簸的形式在传感器之间是差别的,因此模型需要学习颠簸调制。为明白决这些问题,在这项事情中,我们提出了一种基于GNN的新颖模型,即注意力调整图时空网络(AGSTN)。在AGSTN中,开发了具有顺序学习的多图卷积来学习时间演变的STC。

颠簸调制是通过提出的注意力调治机制实现的。对三个传感器数据,空气质量,自行车需求和交通流量举行的实验讲明,AGSTN优于最新方法。BridgeDPI:预测药物-卵白质相互作用的新型图神经网络原文标题: BridgeDPI: A Novel Graph Neural Network for Predicting Drug-Protein Interactions地址: http://arxiv.org/abs/2101.12547作者: Yifan Wu, Min Gao, Min Zeng, Feiyang Chen, Min Li, Jie Zhang摘要: 念头:探索药物-卵白质相互作用(DPI)是药物发现中的关键步骤。

现有生物数据的快速扩展使盘算方法有效地辅助了实验方法。其中,深度学习方法仅从基本特征中提取特征,例如卵白质序列,分子结构。其他人则不仅通过学习序列/分子,还通过学习卵白质-卵白质和药物-药物的关联(PPA和DDA)取得了显著的进步。

PPA和DDA通常是通过使用盘算方法获得的。可是,现有的盘算方法有一些局限性,导致发生质量低下的PPA和DDA,从而故障了预测性能。因此,我们希望开发一种新颖的监视学习方法,以有效学习PPA和DDA,从而提高DPI详细任务的预测性能。

效果:在这项研究中,我们提出了一种新颖的深度学习框架,即BridgeDPI。BridgeDPI引入了一类称为超节点的节点,该节点将差别的卵白质/药物桥接起来以用作PPA和DDA。由于整个历程都是端到端的学习,因此可以监视超级节点针对DPI的特定任务学习。因此,这样的模型将改善DPI的预测性能。

在三个真实的数据集中,我们进一步证明BridgeDPI优于最新方法。此外,消融研究证明晰超级节点的有效性。最后,在独立验证中,BridgeDPI探索了COVID-19卵白与种种抗病毒药物之间的候选联合。预测效果切合世界卫生组织和食品药品监视治理局的声明,讲明了BridgeDPI的有效性和可靠性。

COVID-19期间出口限制对全球小我私家防护设备商业网络的影响原文标题: Impacts of export restrictions on the global personal protective equipment trade network during COVID-19地址: http://arxiv.org/abs/2101.12444作者: Yang Ye, Qingpeng Zhang, Zhidong Cao, Frank Youhua Chen, Houmin Yan, H. Eugene Stanley, Daniel Dajun Zeng摘要: COVID-19大盛行已导致全球对小我私家防护设备(PPE)的需求激增。许多国家对小我私家防护装备实施了出口限制,以确保富足的海内供应。

旺盛的需求和出口限制导致全球PPE商业网络短缺伸张。在这里,我们开发了一个集成的网络模型,该模型集成了一个种群模型和一个阈值模型,以研究短缺感染模式。人口漫衍模型描画了国家之间的疾病感染。阈值模型描画了全球PPE商业网络上的短缺伸张。

效果讲明,短缺伸张的模式主要由顶级出口商决议。出口限制加剧了小我私家防护装备的短缺,并导致短缺伸张的流传速度甚至快于疾病伸张的速度。

此外,出口限制导致世界规模内小我私家防护装备的设置无效和效率低下,这倒霉于世界抗击大盛行。多尺度都会动力学模型尺度之间的强耦合原文标题: Strong coupling between scales in a multi-scalar model of urban dynamics地址: http://arxiv.org/abs/2101.12725作者: Juste Raimbault摘要: 都会演化历程发生在差别的规模上,各个条理之间的相互作用庞大且历程类型相对差别。

在自上而下和自下而上的反馈意义上,实际的都会动态在多大水平上包罗规模之间的实际强耦合,仍然是一个开放问题,对领土的可连续治理具有重要的实际意义。在本文中,我们先容了都会增长的多尺度模拟模型,将宏观尺度上的都会交互模型系统与形态生成模型耦合,以用于多数市区规模上的都会形态演变。刻度之间的强耦合是通过更新每个刻度上的模型参数(取决于另一个刻度上的轨迹)来实现的。该模型在都会综合系统上获得了应用和探索。

仿真效果讲明了强耦合的重要作用。效果,改变了对政策参数的最佳行动,例如停止都会扩张。我们还在模型上运行了一个多目的优化算法,显示了描画了尺度之间的折衷。

我们的方法为更多可操作的都会动力学模型打开了新的研究偏向,其中包罗规模之间的强烈反馈。动态的社会运动如何塑造盛行病:海浪,高原和地方病原文标题: How dynamic social activity shapes an epidemic: waves, plateaus, and endemic state地址: http://arxiv.org/abs/2101.12275作者: Alexei V. Tkachenko, Sergei Maslov, Tong Wang, Ahmed Elbanna, George N. Wong, Nigel Goldenfeld摘要: 众所周知,人口异质性在盛行病的流传中起着重要作用。

只管人们通常认为社会运动中的个体差异是持久的,即时间是恒定的,但在这里我们讨论动态异质性的结果。我们将社会运动的随灵活态整合到传统的盛行病学模型中。

总体盛行病动力学浓缩为三个微分方程,其特征是泛起了很长的时间尺度。我们的模型描画了现实生活中的盛行病的多种特征,例如COVID-19,包罗长时间的高原期和多次颠簸。个体浪潮在瞬态团体免疫(TCI)的状态下受到抑制,由于社会运动的动态性质,其随后逐渐削弱。

我们的效果也为新兴病原体从快盛行病转变为盛行病提供了新的机制。混淆整数计划用于随机块模型中的社区检测原文标题: Community Detection in the Stochastic Block Model by Mixed Integer Programming地址: http://arxiv.org/abs/2101.12336作者: Breno Serrano, Thibaut Vidal摘要: 水平校正随机块模型(DCSBM)是一种盛行的模型,用于生成具有给定水平序列的群落结构的随机图。基于DCSBM的社区检测的尺度方法是通过最大似然预计(MLE)搜索最有可能发生观察网络数据的模型参数。

leyu乐鱼体育官网入口

用于MLE问题的当前技术是试探法,因此不能保证收敛到最优。我们提供了数学编程公式和准确的求解方法,可以准确地找到给定视察图的模型参数和最大似然的社区分配。我们将这些准确方法与基于期望最大化(EM)的经典启发式算法举行比力。

通过准确方法给出的解决方案为我们提供了一种丈量经典启发式方法的实验性能并比力其差别变体的原则方法。子图提名:通过示例检索查询网络中的子图原文标题: Subgraph nomination: Query by Example Subgraph Retrieval in Networks地址: http://arxiv.org/abs/2101.12430作者: Al-Fahad M. Al-Qadhi, Carey E. Priebe, Hayden S. Helm, Vince Lyzinski摘要: 本文先容了子图提名推理任务,其中感兴趣的示例子图用于在网络中查询类似兴趣的子图。这种类型的问题在与例如用户推荐系统和社会和生物/毗连体网络中的结构检索任务相关的现实世界问题中重复泛起。我们正式界说子图提名框架,重点放在子图提名管道中的“在环用户”观点。

在此设置中,用户可以提供可以合并到检索任务中的其他提名后灯光监视。在引入并正式化了检索任务之后,我们将分析分析以及跨真实和模拟数据示例,研究用户监视对性能发生的细微影响。

leyu乐鱼体育官网入口

RetaGNN:用于整体顺序推荐的关系时间注意力争神经网络原文标题: RetaGNN: Relational Temporal Attentive Graph Neural Networks for Holistic Sequential Recommendation地址: http://arxiv.org/abs/2101.12457作者: Cheng Hsu, Cheng-Te Li摘要: 顺序推荐(SR)是凭据用户当前会见的项目准确地推荐项目列表。当新来的用户不停进入现实世界时,一项关键任务是拥有感应式SR,它可以发生用户和物品的嵌入而无需重新培训。

思量到用户与项目之间的交互可能极为稀疏,另一个关键任务是拥有可转移的SR,该SR可以未来自具有富厚数据的一个域的知识转移到另一个域。在这项事情中,我们的目的是提供同时适用于通例,电感和可转移设置的整体SR。我们为整体SR提出了一个新颖的基于深度学习的模型,即关系时间关注图神经网络(RetaGNN)。

RetaGNN的主要思想是三个方面。首先,为了具有归纳和可通报的能力,我们在从用户项对中提取的局部子图上训练相关的关注GNN,其中可学习的权重矩阵位于用户,项和属性之间的种种关系上,而不是节点或边上。第二,用户偏好的恒久和短期时间模式是通过提出的顺序自我注意机制举行编码的。

第三,设计了一种关系感知正则化术语,以更好地训练RetaGNN。在MovieLens,Instagram和跨书数据集上举行的实验讲明,RetaGNN在通例,归纳和可转移的设置下可以胜过最新技术。得出的注意力权重还带来了模型的可解释性。COVID-19流传动力学中普遍性的涌现原文标题: Emergence of universality in the transmission dynamics of COVID-19地址: http://arxiv.org/abs/2101.12556作者: Ayan Paul, Jayanta Kumar Bhattacharjee, Akshay Pal, Sagar Chakraborty摘要: 对COVID-19流传动力学举行建模的庞大性一直是实现疾病流传和控制的可预测性的主要障碍。

除了明白流传方式外,还需要将缓解方法的有效性构建到任何有效的模型中,以举行此类预测。我们讲明,可以通过诉诸于导致疾病的流传动力学普遍性泛起的尺度原则来规避这种庞大性。随之而来的数据瓦解使传输动力学很大水平上不受地缘政治变化,种种缓解计谋的有效性,人口统计等的影响。我们提出了一个简朴的两参数模型-蓝天模型-并证明晰一类传输动力学可以用住在蓝天分叉边的解决方案来解释。

此外,数据瓦解会导致疾病流传在多个地理规模内的可预测性增强,这也可以通过模型无关的方式实现,如我们使用深度神经网络所展示的。这项事情中接纳的方法可能会应用于其他感染病的流传,而且可能会发现新的普遍性种别。流传动力学的可预测性和我们方法的简朴性可以资助在大盛行期间制定退出计谋缓和解方法的政策。

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:leyu乐鱼体育,Arxiv,网络,科学,论文,摘要,9篇,2021-02-01,AGSTN

本文来源:leyu乐鱼体育-www.hbmm168.com

旋转小火锅定制流程

免费咨询

提供图纸

免费设计

免费报价

无忧安装

终身维护