汪小帆-网络科学和社会学习.pptVIP

每一时刻，个体i 的邻居就是那些与他 的信任值的差别小于信任半径的个体。 因此网络拓扑随着时间变化。 实验条件：多少个个体，初始状态的取值，最好能画连通图演化的图 网络拓扑根据信念值差异变化，结果不一定能够达到渐近学习。 结论：1、随着信任半径的减小，信念演化形成多个簇(社团)。所谓“物以类聚，人以群分” 2、不能渐近学习的个体是那些 含有与真实状态观测等价的状态的 个体。 影响渐近学习的两个因素：1、信任半径；2、含有与真实状态观测等价的状态的个体 在选举问题中可以解释为：对奥巴马信念相同的个体之间相互交流，会越来越亲密，而意见相差很远的就不交流，形成不同的政治帮派。 实验条件：多少个个体，初始状态的取值，最好能画连通图演化的图 网络拓扑根据信念值差异变化，结果不一定能够达到渐近学习。 结论：1、随着信任半径的减小，信念演化形成多个簇(社团)。所谓“物以类聚，人以群分” 2、不能渐近学习的个体是那些 含有与真实状态观测等价的状态的 个体。 影响渐近学习的两个因素：1、信任半径；2、含有与真实状态观测等价的状态的个体 在选举问题中可以解释为：对奥巴马信念相同的个体之间相互交流，会越来越亲密，而意见相差很远的就不交流，形成不同的政治帮派。 * * * In a network, the distance between two nodes is defined as the number of edges along the shortest path connecting them. The diameter D of a network is defined to be the maximal distance among all distances between any pair of nodes in the network. The average path length L of the network is defined as the mean distance between two nodes, averaged over all pairs of nodes. Here, L determines the effective “size” of a network, the most typical separation of one pair of nodes. It was an interesting discovery that the average path length of most real complex networks is relatively small, This result is one of the first direct demonstrations of the small-world effect, the fact that most pairs of vertices in most networks seem to be connected by a short path through the network. In such cases, there exist vertex pairs that have no connecting path. Conventionally one assigns infinite geodesic distance to such pairs, but then the value of also becomes infinite. To avoid this problem one usually defines on such networks to be the mean geodesic distance between all pairs that have a connecting path. Pairs that fall in two different components are excluded from the average. 为了便于数学处理，在公式(3-8)中包含了节点到自身的距离（当然该距离为零）。如果不考虑节点到自身的距离的话，那么要在公式(3-8)的右端乘以一个因子。在实际应用中，这么小的差别当然是完全可以忽略不计的。注意到两点之间的最短路径可能只有一条，也可能有多条，也可能不存在，但是两点之间的距离是唯一的，要么为有限值（如果存在最短路径的话），要么为无穷大（如果不存在最短路径）。 * In your friendship network, it is quite possible that