From 3e6738c584d7d230284303a682cf67eb64c1f9c5 Mon Sep 17 00:00:00 2001 From: George Xiu <33057332+GXIU@users.noreply.github.com> Date: Sat, 7 Jul 2018 20:46:57 +0800 Subject: [PATCH 1/3] =?UTF-8?q?Update=20=E5=9C=B0=E7=90=86=E5=A4=8D?= =?UTF-8?q?=E6=9D=82=E7=BD=91=E7=BB=9C=E7=9A=84=E7=B2=97=E7=B2=92=E5=8C=96?= =?UTF-8?q?.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ...34\347\232\204\347\262\227\347\262\222\345\214\226.md" | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git "a/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" "b/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" index 36b2ee1..de0ffaa 100644 --- "a/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" +++ "b/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" @@ -1,4 +1,4 @@ -复杂网络的几何粗粒化 +# 复杂网络的几何粗粒化 作者在文中提出了一种类重整化群的数值分析方法，来研究 投映在二维格点图的复杂网络。每一步粗粒化就是将2\times 2的格点融合成一个新格点。每一步粗粒化的结果都是一个小一些的新系统。 @@ -7,16 +7,16 @@ - 生物领域：完整的网络结构比较难以定义。复杂度太高：10^{11}神经元细胞，每个与10^3 ~ 10^4个细胞有联系。 - 统计物理：理解同意意义上的大脑行为，可能不需要那样多细节。有人做过研究，将大脑分成32\times64\times64个块，每个块里有大概O(10^{15})个神经细胞，通过研究这些块之间的关系，我们就能分析出大脑的功能网络结构。这是heavily coarse-grained的信息，但依然很有效。这是由于大脑网络的无标度性。 -本文： +## 本文： 1. 建立插入到地理空间中的无标度网络 2. 进行数次的粗粒化过程 -结果：粗粒化过程不会改变原网络的重要性质。特别的，度指数\gamma、聚集性、吸收特征（？？？）、层次结构都不随着粗粒化过程改变。本文得出的结论是，人脑的功能网络不会随着标度的改变而改变。 +### 结果：粗粒化过程不会改变原网络的重要性质。特别的，度指数\gamma、聚集性、吸收特征（？？？）、层次结构都不随着粗粒化过程改变。本文得出的结论是，人脑的功能网络不会随着标度的改变而改变。 --- -方法 +## 方法 1. 建立网络 N=L\times L个结点的二维格网。每个结点的 度 由p(k)\propto k^{-\gamma} 生成。 From 1ace78e109d6ed23c8b2d2fe3f4657165c946b54 Mon Sep 17 00:00:00 2001 From: George Xiu <33057332+GXIU@users.noreply.github.com> Date: Sat, 7 Jul 2018 20:47:35 +0800 Subject: [PATCH 2/3] =?UTF-8?q?Update=20=E5=9C=B0=E7=90=86=E5=A4=8D?= =?UTF-8?q?=E6=9D=82=E7=BD=91=E7=BB=9C=E7=9A=84=E7=B2=97=E7=B2=92=E5=8C=96?= =?UTF-8?q?.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ...04\347\262\227\347\262\222\345\214\226.md" | 30 +++++++++++-------- 1 file changed, 18 insertions(+), 12 deletions(-) diff --git "a/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" "b/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" index de0ffaa..93679ad 100644 --- "a/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" +++ "b/\345\234\260\347\220\206\345\244\215\346\235\202\347\275\221\347\273\234\347\232\204\347\262\227\347\262\222\345\214\226.md" @@ -1,28 +1,34 @@ # 复杂网络的几何粗粒化 -作者在文中提出了一种类重整化群的数值分析方法，来研究 投映在二维格点图的复杂网络。每一步粗粒化就是将2\times 2的格点融合成一个新格点。每一步粗粒化的结果都是一个小一些的新系统。 +作者在文中提出了一种类重整化群的数值分析方法，来研究 *投映在二维格点图的复杂网络*。每一步**粗粒化**就是将$2\times 2$的格点融合成一个新格点。每一步粗粒化的**结果**都是一个小一些的新系统。 重复这样的过程，我们会发现：这样的粗粒化过程下，原scale-free网络的一些数量性质是不变的。这个性质告诉我们，有这么一种可能性：从原网络中减去一个小网络（在不太破坏原网络结构的额前提下），我们可以保持网络的无标度性。这个结果同样可以应用在近期脑科学的研究中。 -- 生物领域：完整的网络结构比较难以定义。复杂度太高：10^{11}神经元细胞，每个与10^3 ~ 10^4个细胞有联系。 -- 统计物理：理解同意意义上的大脑行为，可能不需要那样多细节。有人做过研究，将大脑分成32\times64\times64个块，每个块里有大概O(10^{15})个神经细胞，通过研究这些块之间的关系，我们就能分析出大脑的功能网络结构。这是heavily coarse-grained的信息，但依然很有效。这是由于大脑网络的无标度性。 +- 生物领域：完整的网络结构比较难以定义。复杂度太高：$10^{11}$神经元细胞，每个与$10^3 $~$ 10^4$个细胞有联系。 +- 统计物理：理解同意意义上的大脑行为，可能不需要那样多细节。有人做过研究，将大脑分成$32\times64\times64$个块，每个块里有大概$O(10^{15})$个神经细胞，通过研究这些块之间的关系，我们就能分析出大脑的功能网络结构。这是heavily coarse-grained的信息，但依然很有效。这是由于大脑网络的无标度性。 -## 本文： +#### 本文： 1. 建立插入到地理空间中的无标度网络 2. 进行数次的粗粒化过程 -### 结果：粗粒化过程不会改变原网络的重要性质。特别的，度指数\gamma、聚集性、吸收特征（？？？）、层次结构都不随着粗粒化过程改变。本文得出的结论是，人脑的功能网络不会随着标度的改变而改变。 +结果：粗粒化过程不会改变原网络的重要性质。特别的，度指数$\gamma$、聚集性、吸收特征（？？？）、层次结构都不随着粗粒化过程改变。本文得出的结论是，人脑的功能网络不会随着标度的改变而改变。 ---- +------ -## 方法 +#### 方法 1. 建立网络 - N=L\times L个结点的二维格网。每个结点的 度 由p(k)\propto k^{-\gamma} 生成。 - 度的实现机制：随机在网络中选一个结点v, 将与其距离在\alpha \sqrt {k_v} 以内的所有结点连起来。随着这个过程的进行，周围的结点不够了，就不连了。。 + + $N=L\times L$个结点的二维格网。每个结点的 **度** 由$p(k)\propto k^{-\gamma}$ 生成。 + + 度的实现机制：随机在网络中选一个结点$v,$ 将与其距离在$\alpha \sqrt {k_v}$ 以内的所有结点连起来。随着这个过程的进行，周围的结点不够了，就不连了。。 + 2. 粗粒化 - 与Kadanoff block spin renormalization-group一样。但是增加了边权。 - - 对边权的讨论：随着层数的增加，如果不加调整的话，边权（平均度）就会单调递增。最后形成全连接网络。所以我们要对其进行修正。比如说，我们总共要去掉m条边。就将边权最小的m条去掉。 ---- + 与Kadanoff block spin renormalization-group一样。但是增加了**边权**。 + + - 对边权的讨论：随着层数的增加，如果不加调整的话，边权（平均度）就会单调递增。最后形成全连接网络。所以我们要对其进行修正。比如说，我们总共要去掉$m$条边。就将边权最小的$m$条去掉。 + +------ + From a92619cc2898f09672ad9f35d86f44bba3f93cfd Mon Sep 17 00:00:00 2001 From: George Xiu <33057332+GXIU@users.noreply.github.com> Date: Sun, 8 Jul 2018 20:05:07 +0800 Subject: [PATCH 3/3] =?UTF-8?q?Create=20=E7=A9=BA=E9=97=B4=E7=BD=91?= =?UTF-8?q?=E7=BB=9C=E6=8B=93=E6=89=91=E7=9B=B8=E5=8F=98.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ...223\346\211\221\347\233\270\345\217\230.md" | 18 ++++++++++++++++++ 1 file changed, 18 insertions(+) create mode 100644 "\347\251\272\351\227\264\347\275\221\347\273\234\346\213\223\346\211\221\347\233\270\345\217\230.md" diff --git "a/\347\251\272\351\227\264\347\275\221\347\273\234\346\213\223\346\211\221\347\233\270\345\217\230.md" "b/\347\251\272\351\227\264\347\275\221\347\273\234\346\213\223\346\211\221\347\233\270\345\217\230.md" new file mode 100644 index 0000000..6caad59 --- /dev/null +++ "b/\347\251\272\351\227\264\347\275\221\347\273\234\346\213\223\346\211\221\347\233\270\345\217\230.md" @@ -0,0 +1,18 @@ +# 空间网络的拓扑相变 + +- 网络$\Leftrightarrow$ 有限维空间 + - **距离**对应两个结点建立连接的**似然比** +- 距离衰减的例子： + - 社会系统：认识$\Leftrightarrow$距离衰减 + - 细胞内：蛋白质反应 + - 大脑内：神经元交互 + +大多数对 **度分布** 进行的建模都会忽略空间因素。而考虑物理空间的模型往往只能预测有界的度分布，这与经验数据不相符。 + +本文要提出一种方法，来研究空间网络中比较少见研究的几个问题：分析形式的度分布、路径长度、集聚效应。本文中的模型可以求出数学上的解析解。这个解析解显示，网络中存在两种相，每种都对应着一个微分方程： + +- scale-free相 +- geometry相 + +## Key Points +