面向比例自由网络的投票模型动力学准均匀方程
计算机视觉与模式识别
2026-05-12 v3 计算机与社会
摘要
理解网络上动力学系统的涌现宏观行为是一项关键但具有挑战性的任务。其中一种最简单且有效的构建简化宏观模型的方法由准均匀理论提供。该方法在稠密均匀网络上表现良好,但在比例自由网络上表现不佳,而后者在许多应用中更为真实。本文提出了一种针对比例自由网络上投票模型动力学的修改准均匀近似方法。两种相对于经典理论的主要偏离:我们使用度加权比例作为粗变量,并引入一种相关系数,可解释为由相互作用引起的动力学减缓。我们观察到,在适度噪声且相互作用率相当的情况下,相关系数仅是网络属性,与状态或过程参数无关。该方法在不增加维度的前提下,实现了显著更小的近似误差。
引用
@article{arxiv.2509.13484,
title = {MINGLE: VLMs for Semantically Complex Region Detection in Urban Scenes},
author = {Liu Liu and Alexandra Kudaeva and Marco Cipriano and Fatimeh Al Ghannam and Freya Tan and Gerard de Melo and Andres Sevtsuk},
journal= {arXiv preprint arXiv:2509.13484},
year = {2026}
}
备注
13 pages, 4 figures Updated with the camera-ready version after acceptance