复杂系统的认知地图呈现层级结构且无标度特性
神经元与认知
2007-05-23 v1 其他定量生物学
摘要
自然与人工系统中的许多网络都展现无标度特性且为小世界。现在我们表明，人们对复杂系统在其认知地图中的理解也遵循无标度拓扑（P_k = k^-lambda，lambda [1.24,3.03]；r^2 <= 0.95）。人们聚焦于少数属性，这由总度概率分布中的肥尾所表明。这少数属性与系统中的许多其他变量相关。更多属性则只有极少连接。人们认知地图中的无标度特性出现，尽管其平均距离与相同规模和连接密度的随机网络并无不同（Wilcoxon符号秩检验，W=78，p=0.75）。无标度特性表现为相较于随机网络具有更高的层级结构（Wilcoxon符号秩检验，W=12，p=0.03）。人们使用相对简短的解释来描述系统。这些发现可能有助于我们更好地理解人们的感知，尤其在决策、冲突解决、政治和管理方面。
引用
@article{arxiv.q-bio/0612030,
title = {Cognitive Maps of Complex Systems Show Hierarchical Structure and Scale-Free Properties},
author = {Uygar Ozesmi and Can Ozan Tan},
journal= {arXiv preprint arXiv:q-bio/0612030},
year = {2007}
}
备注
8 pages, 2 figures