MétaCan
Menu
Retour à la cohorte
Enregistrement W4287654684 · doi:10.48550/arxiv.2010.00463

A Finite Memory Interacting P\\'{o}lya Contagion Network and its\n Approximating Dynamical Systems

2020· preprint· en· W4287654684 sur OpenAlexfundno aff
Somya Singh, Fady Alajaji, Bahman Gharesifard

Notice bibliographique

RevuearXiv (Cornell University) · 2020
Typepreprint
Langueen
DomaineMathematics
ThématiqueStochastic processes and statistical mechanics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlexander von Humboldt-Stiftung
Mots-clésMarkov chainStochastic matrixMarkov processStatistical physicsHomogeneousMathematicsApplied mathematicsPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

We introduce a new model for contagion spread using a network of interacting\nfinite memory two-color P\\'{o}lya urns, which we refer to as the finite memory\ninteracting P\\'{o}lya contagion network. The urns interact in the sense that\nthe probability of drawing a red ball (which represents an infection state) for\na given urn, not only depends on the ratio of red balls in that urn but also on\nthe ratio of red balls in the other urns in the network, hence accounting for\nthe effect of spatial contagion. The resulting network-wide contagion process\nis a discrete-time finite-memory ($M$th order) Markov process, whose transition\nprobability matrix is determined. The stochastic properties of the network\ncontagion Markov process are analytically examined, and for homogeneous system\nparameters, we characterize the limiting state of infection in each urn. For\nthe non-homogeneous case, given the complexity of the stochastic process, and\nin the same spirit as the well-studied SIS models, we use a mean-field type\napproximation to obtain a discrete-time dynamical system for the finite memory\ninteracting P\\'{o}lya contagion network. Interestingly, for $M=1$, we obtain a\nlinear dynamical system which exactly represents the corresponding Markov\nprocess. For $M>1$, we use mean-field approximation to obtain a nonlinear\ndynamical system. Furthermore, noting that the latter dynamical system admits a\nlinear variant (realized by retaining its leading linear terms), we study the\nasymptotic behavior of the linear systems for both memory modes and\ncharacterize their equilibrium. Finally, we present simulation studies to\nassess the quality of the approximation purveyed by the linear and non-linear\ndynamical systems.\n

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,138
Tête enseignante GPT0,238
Écart entre enseignants0,100 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetStochastic processes and statistical mechanicsTravaux en français237 207