59 articoli
Il paper introduce HawkesRank, un framework dinamico basato sui processi di Hawkes che supera le limitazioni delle misure di centralità statiche quantificando l'importanza in tempo reale attraverso l'intensità istantanea degli eventi e la decomposizione tra fattori endogeni ed esogeni, dimostrando prestazioni superiori sia in simulazioni che nell'analisi empirica delle dinamiche emotive online.
Utilizzando un modello di catena di approvvigionamento globale calibrato sui dati OCSE, lo studio valuta la vulnerabilità dell'economia indiana alle sanzioni straniere, identificando l'Arabia Saudita come il principale rischio a livello nazionale, seguita da Emirati Arabi Uniti, Cina, Singapore, Stati Uniti e Russia.
Lo studio dimostra che l'aumento dell'intelligenza e della diversità degli agenti AI, unito all'apprendimento per rinforzo, può peggiorare i risultati collettivi e causare sovraccarichi pericolosi in scenari di scarsità di risorse, mentre la formazione di tribù mitiga tale rischio, rendendo l'esito finale dipendente esclusivamente dal rapporto tra capacità e popolazione.
Nonostante la crescente attenzione verso i finanziamenti interdisciplinari, questo studio dimostra che le ricerche interdisciplinari ad alto impatto sono spesso sostenute da grant disciplinari, i quali, grazie alla profonda competenza che offrono, generano citazioni superiori sia nei campi di origine che in quelli più ampi.
Questo studio offre una panoramica completa dei comportamenti dinamici e delle proprietà di stabilità di tutte le 39 possibili reti McCulloch-Pitts a due nodi con loop ricorrenti, evidenziando come piccole variazioni nel modello o nelle variabili booleane possano portare a dinamiche fondamentalmente diverse.
Il paper introduce il modello GroupMultiNeSS per estrarre simultaneamente strutture latenti condivise, specifiche per gruppi e individuali da reti multiplex raggruppate, dimostrando la sua superiorità nell'identificare differenze biologiche tra gruppi di pazienti con Parkinson rispetto ai metodi esistenti.
Il documento propone un metodo scalabile per la previsione del segno dei link nei grafi firmati che, estendendo CopulaGNN, modella le dipendenze statistiche tra gli archi tramite una matrice di correlazione a basso rango e una riformulazione della probabilità condizionata, garantendo così una convergenza lineare e prestazioni competitive con costi computazionali ridotti.
Questo articolo propone e valida un nuovo stimatore statistico normalizzato per quantificare la segmentazione di una rete come frazione di comunicazioni tra nodi disallowate, dimostrando che un campione di 97 coppie di nodi è sufficiente per ottenere una stima accurata con un margine di errore del ±0,1, indipendentemente dalla dimensione totale della rete.
Il paper presenta Threadle, un motore di archiviazione e query di rete open-source scritto in C# che risolve il problema della gestione su larga scala di reti multistrato e miste (inclusi dati bipartiti) mediante un approccio di proiezione pseudo che evita la materializzazione in memoria, consentendo di memorizzare reti con milioni di nodi e trilioni di collegamenti in pochi gigabyte di RAM.
Questo articolo propone una definizione unificata e un quadro di interazione basato sul ciclo OODA per la guerra cognitiva, fornendo attributi misurabili e un caso studio applicativo per aiutare i leader delle forze congiunte a valutare le campagne cognitive.
Questo studio dimostra che le fluttuazioni macroeconomiche e il rischio di coda emergono dall'interferenza tra onde di produttività che si propagano in rete prima del raggiungimento dell'equilibrio statico, rendendo l'eterogeneità dei gradi delle reti produttive un determinante meno rilevante rispetto alle proprietà spettrali che governano la velocità di convergenza.
Questo studio analizza l'attività e l'influenza dei socialbot nei social media giapponesi, rivelando che il loro impatto supera quello osservato durante le elezioni presidenziali statunitensi del 2016 e che gli account gestiti da bot, quando ritwittati da utenti umani, risultano indistinguibili da quelli gestiti da persone.
Questo articolo propone l'uso del coefficiente di correlazione tra partizioni come metrica di recupero e dimostra che un semplice algoritmo basato sui vicini comuni permette di recuperare con successo comunità piccole e di dimensioni eterogenee nel modello di partizione piantata, superando i limiti delle metriche tradizionali e delle ipotesi di bilanciamento.
Questo articolo presenta HIT-Leiden, un nuovo algoritmo che mantiene in modo efficiente le comunità Leiden su grandi grafi dinamici riducendo drasticamente il tempo di calcolo rispetto ai metodi esistenti pur garantendo una qualità dei risultati comparabile.
Il paper "Molt Dynamics" analizza un ambiente su larga scala con oltre 770.000 agenti autonomi, rivelando che, sebbene emergano ruoli specializzati e dinamiche di diffusione delle informazioni, la cooperazione collettiva rimane ancora allo stadio iniziale e meno efficace rispetto all'azione di singoli agenti.
Il paper propone UrbanHuRo, un framework di collaborazione uomo-robot a due livelli che ottimizza congiuntamente servizi urbani eterogenei, come le consegne e il rilevamento ambientale, migliorando significativamente la copertura sensoriale, il reddito dei corrieri e l'efficienza operativa attraverso algoritmi distribuiti e apprendimento per rinforzo.
Il paper propone un quadro temporale basato su processi di Hawkes multivariati per distinguere le tendenze intrinseche di interazione dagli effetti di amplificazione algoritmica nelle reti dinamiche, introducendo una misura di bias istantaneo che cattura le dinamiche di rinforzo in tempo reale e dimostrandone l'affidabilità nel riflettere gli effetti del feedback algoritmico.
Il paper introduce una tassonomia delle interazioni che dimostra come i grafi siano ipergrafi focali, stabilendo una rigorosa gerarchia di inclusione tra modelli di grafi, ipergrafi focali e ipergrafi generali, e sostenendo che la scelta del formalismo debba dipendere dalla natura dell'interazione (focale o non focale) piuttosto che da preferenze generiche.
Questo studio analizza un vasto dataset di video YouTube per rivelare la diffusione del marketing di affiliazione e la scarsa conformità alle normative FTC, dimostrando come le funzionalità standardizzate della piattaforma possano migliorare la trasparenza e raccomandando una collaborazione tra regolatori, partner e piattaforma per rafforzare la fiducia nell'economia degli influencer.