信念系统动力学：单层神经网络的网络模型

Yujian Fu

信念系统动力学：单层神经网络的网络模型

社会与信息网络 2025-05-02 v1 物理与社会

作者: Yujian Fu

摘要

随着政治极化和误information传播问题日益严重，信念在社交网络上的传播成为一个重要的探索问题。以前的突破已在算法方法中实现了对群体共识或极化如何在人群中发生的理解。本文提出了一种修改版的Friedkin-Johnsen模型，旨在尽可能解释个体固执性以及可能的逆火效应的方法，方法是将每个个体视为针对特定陈述证据集合上的单层神经网络，其输入为对每项证据的置信水平，陈述的信念则为该神经网络的输出。在本文中，我们确认了 Madison的解荡对于团结的祸害的重要性，并发现当理解的结构呈现极化时，具有巨型组件的网络比具有两个社区的网络在降低信念分布方差方面更有效，但会通过这种方式创造更多的社交压力。我们还发现，当社区结构形成时，信念分布中的方差对个体置信水平的敏感性会降低。该模型可应用于由误information和冲突经济利益引起的各种政治和历史问题，也可应用于人格理论和行为心理学。

关键词

信念传播 Friedkin-Johnsen模型神经网络社交网络极化误information

引用

@article{arxiv.2505.00005,
  title  = {Belief System Dynamics as Network of Single Layered Neural Network},
  author = {Yujian Fu},
  journal= {arXiv preprint arXiv:2505.00005},
  year   = {2025}
}

备注

I wish to thank the University of Michigan Department of Mathematics to provide the opportunity for me to conduct this research in cmplxsys 270. I would also like to thank the developers of mesa package for agent based simulation in python

信念系统动力学：单层神经网络的网络模型

摘要

关键词

引用

备注

相关论文