面向社交网络应用的神经认知建模
最优化与控制
2017-04-12 v1 社会与信息网络
摘要
本文研究社交网络中的神经认知。引入了一个随机模型，并证明它包含了巴甫洛夫条件作用和社会网络中的两个著名模型作为特例，即Rescorla-Wagner模型和Friedkin-Johnsen模型。讨论了这些模型的解释与比较。我们考虑两种情形：扰动在所有时间独立同分布，以及随机变量的分布根据马尔可夫链演化。我们证明了两种情形的系统都是均方稳定的，且状态期望收敛于一致。
引用
@article{arxiv.1704.03192,
title = {On the modeling of neural cognition for social network applications},
author = {Jieqiang Wei and Junfeng Wu and Marco Molinari and Vladimir Cvetkovic and Karl H. Johansson},
journal= {arXiv preprint arXiv:1704.03192},
year = {2017}
}
备注
submitted to IEEE CCAT 2017