具有社区结构的网络韧性表现为受外场作用
计算机视觉与模式识别
2018-05-06 v1 机器学习
机器学习
摘要
检测与刻画社区结构在网络系统研究中起着关键作用。然而,对于社区结构如何影响系统韧性与稳定性仍缺乏理解。在此,我们基于渗流理论发展了一个研究具有社区结构的网络韧性的框架。我们通过解析与数值发现,社区间链接(社区间的连接)影响渗流相变的方式类似于铁磁-顺磁自旋系统中的外场。我们还通过定义类比临界指数与研究了普适类,发现其在各类模型与真实合著者网络中遵循与物理相变相同的基本标度关系。本文的方法与结果不仅有助于网络韧性研究,也为理解外场下的相变提供了新视角。
引用
@article{arxiv.1805.01033,
title = {Unsupervised Learning using Pretrained CNN and Associative Memory Bank},
author = {Qun Liu and Supratik Mukhopadhyay},
journal= {arXiv preprint arXiv:1805.01033},
year = {2018}
}
备注
Paper was accepted at the 2018 International Joint Conference on Neural Networks (IJCNN 2018)