Без темы
<<  О, сколько нам открытий чудных Готовят просвещенья дух ОАО «Военно-инженерная корпорация»  >>
О.П.Кузнецов д.т.н., проф
О.П.Кузнецов д.т.н., проф
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-73
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Эффект домино
Эффект домино
Эффект домино
Эффект домино
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Грановеттер-78
Перколяция
Перколяция
Перколяция
Перколяция
Перколяция
Перколяция
Перколяция
Перколяция
Перколяция
Перколяция
Безмасштабные сети
Безмасштабные сети
Безмасштабные сети
Безмасштабные сети
Самоорганизованная критичность
Самоорганизованная критичность
Самоорганизованная критичность
Самоорганизованная критичность
Самоорганизованная критичность
Самоорганизованная критичность
Модель «абелева куча песка» или «лавина»
Модель «абелева куча песка» или «лавина»
Клеточный автомат - модель кучи песка
Клеточный автомат - модель кучи песка
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Клеточный автомат
Куча песка
Куча песка
Игра выстреливания фишек (chip-firing game)
Игра выстреливания фишек (chip-firing game)
Игра выстреливания фишек (chip-firing game)
Игра выстреливания фишек (chip-firing game)
Игра выстреливания фишек (chip-firing game)
Игра выстреливания фишек (chip-firing game)
Chip-firing game и куча песка
Chip-firing game и куча песка
Заключение: что объединяет все эти сюжеты
Заключение: что объединяет все эти сюжеты
Заключение: приложения
Заключение: приложения
Заключение: «мягкие» вычисления и искусственный интеллект
Заключение: «мягкие» вычисления и искусственный интеллект
Заключение
Заключение
Спасибо за внимание
Спасибо за внимание

Презентация на тему: «О.П.Кузнецов д.т.н., проф». Автор: *. Файл: «О.П.Кузнецов д.т.н., проф.ppt». Размер zip-архива: 80 КБ.

О.П.Кузнецов д.т.н., проф

содержание презентации «О.П.Кузнецов д.т.н., проф.ppt»
СлайдТекст
1 О.П.Кузнецов д.т.н., проф

О.П.Кузнецов д.т.н., проф

, Москва, ИПУ АН olkuznes@ipu.ru СЕТЕВЫЕ МОДЕЛИ РАСПРОСТРАНЕНИЯ АКТИВНОСТИ

Коломна-2013

1

2 Грановеттер-73

Грановеттер-73

Сила слабых связей

Granovetter M. S. 1973. The Strength of Weak Ties. The American Journal of Sociology. 78 (6): 1360–1380. Распространение информации, слухов, мнений и убеждений, инноваций в социальных сетях Основные предположения: В социальных сетях существуют сильные и слабые связи. Сильные связи – между людьми, которые постоянно взаимодействуют (люди одной «малой группы»). Слабые связи – эпизодические, между людьми разных малых групп.

2

3 Грановеттер-73

Грановеттер-73

Сила слабых связей

2. В социальной сети существуют локальные мосты.

Локальный мост – это ребро, удаление которого сильно изменяет длину некоторых путей.

C

D

A

B

3

4 Грановеттер-73

Грановеттер-73

Сила слабых связей

3. «Исключенная триада» (справа): 4. Сильная связь смежна хотя бы с одной сильной связью, Тогда справедлив тезис: ни одна сильная связь не является мостом. Мостами могут быть только слабые связи.

B

B

4

5 Грановеттер-73

Грановеттер-73

Сила слабых связей

Пусть определённая связь удалена из сети; сколько путей при этом разорвалось? как изменилась средняя длина пути между двумя точками? В среднем вероятность успешной передачи ресурса сильнее пострадает от удаления слабой связи, чем от удаления сильной. Хождение новости по сильным связям с большей вероятностью ограничится несколькими кластерами, чем при движении по слабым связям, поскольку новость не будет проходить через мосты. Наличие индивидов с большим количеством слабых связей наиболее способствует распространению инноваций, поскольку некоторые из этих связей являются локальными мостами. Если инновация будет распространяться индивидами, у которых мало слабых связей, она, вероятнее всего, ограничится несколькими кластерами.

5

6 Грановеттер-73

Грановеттер-73

Сила слабых связей

Исследования «тесного мира» (С.Милгрэм в конце 60-х гг). Случайно отобранным индивидам раздаются буклеты с просьбой отправить их названному лицу через человека, которого отправитель знает лично и кто более вероятно знаком с целевым лицом. Новый получатель передает буклет дальше; в итоге либо буклет достигает цели, либо нет. Разрешается выбирать из двух категорий: «друзья» или «знакомые» (сильные и слабые связи). В одном из исследований белых отправителей попросили передать буклет, где в качестве цели выступал темнокожий. Важной была первая передача буклета от белого к темнокожему. В 50% случаев, когда белый считал темнокожего знакомым, цепочка завершалась; но когда белый отправлял буклет темнокожему другу, показатель завершения падал до 26 %.

6

7 Грановеттер-73

Грановеттер-73

Сила слабых связей

Эксперимент в мичиганской школе. Каждого школьника просили назвать 8 приятелей в порядке предпочтения. После этого сделали два «замыкания» этих списков: по первым-вторым и седьмым-восьмым: для первых-вторых выписывали их первых-вторых и т.д., пока появлялись новые люди; то же сделали для седьмых-восьмых. Второй список оказался существенно длиннее.

7

8 Грановеттер-73

Грановеттер-73

Сила слабых связей

Чем больше локальных мостов существует в сообществе, тем более сплочённым оказывается данное сообщество и тем выше его способность действовать сообща. Слабые связи с большей вероятностью соединяют членов различных малых групп, чем сильные; последние, как правило, сосредоточены внутри отдельных групп. Cильные связи, способствующие формированию сплоченности на локальном уровне, на макроуровне приводят к фрагментации. Математически это очевидно: из тезиса о слабых связях следует, что удаление слабых связей делает граф социальной сети несвязным.

8

9 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Granovetter M. S. Threshold Models of Collective Behavior. The American Journal of Sociology. 1978, 83 (6): 1420–1443. Рассматриваются модели коллективного поведения для ситуаций, где участники имеют две альтернативы – действовать (да) или не действовать (нет). Выбор да происходит при достижении личного порога: числа или доли тех, кто уже выбрал да. Порог – это точка, начиная с которой, по мнению субъекта, выигрыш превышает цену. Радикалы имеют более низкий порог. Радикалы с нулевым порогом – инициаторы («подстрекатели»). Консерваторы имеют высокий порог. Те, кто не будет действовать ни при каких обстоятельствах, имеют порог 100%. Эти модели можно применять к таким процессам, как голосование, распространение инноваций, забастовки, беспорядки, миграция, распространение слухов и т.д.

9

10 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Простая модель: толпа в 100 человек; i-й человек имеет порог i –1 (1-й имеет порог 0). Это – равномерное распределение порогов, которое дает эффект «домино». Если в этой толпе одного человека с порогом 1 заменить на человека с порогом 2, то процесс остановится в самом начале. Это пример того, как коллективы, очень близкие по намерениям, демонстрируют совершенно разное поведение.

10

11 Эффект домино

Эффект домино

11

12 Эффект домино

Эффект домино

12

13 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Х – пороги, f(x) – частотное распределение, f(x) – кумулятивная функция распределения: доля группы, имеющая порог ? х; r(t) - доля группы, включившаяся в процесс в дискретный момент t.

13

14 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Модель можно усложнить, учтя влияние социальной структуры. Пусть влияние друзей в два раза сильнее влияния незнакомых. Человек с порогом в 50% в толпе из 100 человек, где 48 человек уже объединились, а 52 еще нет, в отсутствие социальной структуры не активизируется. Но если у него в этой толпе 20 знакомых, из которых 15 уже объединились, то знакомых он считает дважды и тогда «видит» не 48 против 52, а 15?2 + 33?1 против 5?2 + 47?1. Это дает соотношение 63 против 57: порог превышен.

14

15 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Пусть популяция в городе имеет равномерное распределение порогов: 1% имеет порог 0%, 1% имеет порог 1%, …, 1% имеет порог 99%. Пусть Собирающаяся толпа из 100 человек – это случайная выборка из большой популяции. В этом случае положение точки равновесия может меняться: в толпе может не быть зачинщика, человека с порогом 1 и т.д., т.е. распределение в толпе может сильно отличаться от распределения во всей популяции. Поэтому в одном городе беспорядки произойдут, а в другом с тем же распределением порогов – нет.

15

16 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Процесс зависит от размера популяции. В небольшом городе такая выборка (малый инцидент) может произойти лишь однажды, и вероятность того, что из нее произойдут большие беспорядки, невелика. В большом городе малых инцидентов будет больше, и вероятность большого инцидента возрастает. Эти события можно представить развернутыми не во времени, а в пространстве: как одновременные инциденты среди локальных групп. Здесь будут важны связи между группами – связь с концепцией силы слабых связей.

16

17 Грановеттер-78

Грановеттер-78

Пороговые модели коллективного поведения

Две модели Грановеттера – типичные примеры нечетких теорий. Сильные и слабые связи: нужны ли промежуточные значения? Что такое локальный мост? Когда ребро можно считать локальным мостом? Понятия кластера и порога – тоже нечеткие. Под кластером понимается подграф, «близкий» к полному.

17

18 Перколяция

Перколяция

Два источника задач перколяции. Физика (исторически первый источник) – задачи просачивания жидкостей в пористой среде; некоторые задачи, связанные с проводимостью. 2. Математика – случайные графы.

18

19 Перколяция

Перколяция

Прямая задача: Какова доля р занятых элементов решетки, при которой возникает путь от верхнего края до нижнего? Два варианта постановки задачи: какова доля узлов (задача узлов) или какова доля связей (задача связей). Связный подграф называется кластером. Кластер, в котором есть путь от верхней до нижней границы решетки, называется перколяционным. В бесконечной решетке перколяционный кластер бесконечен и единственен.

19

20 Перколяция

Перколяция

Порог pc перколяции – доля занятых узлов, при которой возникает перколяционный кластер. Для бесконечной квадратной решетки величина pc определена: pс=0,5 для задачи связей; pс ? 0,59275 для задачи узлов. Обратная задача: какую долю узлов (или связей) надо удалить (блокировать), чтобы перколяционный кластер распался на несвязные части.

20

21 Перколяция

Перколяция

Дерево Кэли – это дерево, у которых степени всех вершин равны z. Выберем произвольный узел и перейдем из него в один из смежных z узлов. Из него выходит z –1 ребер к другим z –1 узлам, каждый из которых занят с вероятностью p. Значит, существует в среднем (z –1)p новых занятых узлов, к которым существует путь из исходного узла. Если это число меньше 1, то вероятность найти связный путь заданной длины убывает экспоненциально по мере увеличения этой длины. Если же (z –1)p > 1, то существует положительная вероятность того, что в графе существуют пути сколь угодно большой длины (бесконечные кластеры). Таким образом, порог перколяции pс определяется из уравнения (z –1)pс = 1, откуда pс = .

21

22 Перколяция

Перколяция

При достижении порога перколяции по узлам занятые узлы бесконечной решетки образуют кластеры всех размеров из связанных между собой узлов. Распределение кластеров по размерам следует степенному закону: число n(s) кластеров, содержащих s занятых узлов, пропорционально s??. Для квадратной решетки ? = 187/91 = 2,(054945). В логарифмической шкале график любого степенного закона – прямая линия, поскольку log n(s) = -? logs. Степенной закон n(s) = cs?? означает, что отношение числа кластеров одного размера к числу кластеров другого размера зависит не от их размеров s, а лишь от отношения размеров. Таким образом, перколяционные кластеры самоподобны, или независимы от масштаба, на интервале от шага решетки до размера всей решетки.

22

23 Безмасштабные сети

Безмасштабные сети

Безмасштабная (масштабно-инвариантная) сеть (scale-free network) — граф, в котором степени вершин распределены по степенному закону, то есть доля вершин со степенью k примерно или асимптотически пропорциональна k?? . Многие естественно возникающие сети — социальные, коммуникационные, графы цитирований, ссылок в Интернете и другие — хорошо моделируются безмасштабными графами. Главная отличительная черта безмасштабных сетей – это существование узлов-концентраторов, степени которых очень велики по сравнению со степенями остальных узлов.

23

24 Безмасштабные сети

Безмасштабные сети

Безмасштабные сети малочувствительны к повреждениям. Большие концентраторы в большинстве случаев окружены меньшими концентраторами, а те, в свою очередь еще меньшими и т.д. Если один из концентраторов будет потерян, то почти все связи в сети сохранятся за счет существования концентраторов меньшего размера. С точки зрения теории перколяции безмасштабные сети - это перколяционные кластеры. Их устойчивость к повреждениям говорит о том, что порог перколяции в них существенно превышен. С точки зрения модели Грановеттера – это сети с большим количеством локальных мостов.

24

25 Самоорганизованная критичность

Самоорганизованная критичность

Per Bak. How nature work. New York, Copernicus, 1996. Пер Бак. Как работает природа. М., URSS, 2013. «В природе сложное поведение отражает тенденцию систем, состоящих из большого числа элементов, эволюционировать в далекое от статического равновесия, но динамически уравновешенное критическое состояние, где даже незначительные возмущения могут привести к событиям, или лавинам, любых масштабов. Большинство изменений происходит не путем плавных постепенных переходов, а через катастрофы. Эволюция к этому чувствительному состоянию происходит без какого-либо вмешательства со стороны. Это состояние возникает исключительно благодаря динамическому взаимодействию составляющих систему элементов: критическое состояние является самоорганизованным.»

25

26 Самоорганизованная критичность

Самоорганизованная критичность

«До сих пор главенствующая экономическая теория – теория общего равновесия – предполагает, что идеальные рынки, идеальный рационализм и т.д. приводят экономические системы к устойчивому равновесию Нэша, при котором ни один участник никакими действиями не может существенно улучшить свое положение. В состоянии равновесия малые возмущения могут произвести лишь слабый эффект, слегка изменяющий его. Отклик системы пропорционален силе воздействия; говорят, что равновесные системы линейны. Для непредвиденных обстоятельств здесь нет места; внезапные малые события никогда не имеют драматических последствий.» «Но если природа находится в равновесии, то как мы вообще здесь оказались? Какая может быть эволюция, если все уравновешено? Равновесные системы, по определению, не могут никуда двигаться.» «Видимое равновесие является просто периодом спокойствия, застоя между скачкообразными вспышками активности и изменений, во время которых многие виды исчезают, а на смену им приходят новые. Это явление называется периодически нарушаемым, или прерывистым равновесием.»

26

27 Самоорганизованная критичность

Самоорганизованная критичность

«Каноническим примером самоорганизованной критичности является куча песка. Этот пример показывает прерывистое равновесие, когда спокойные периоды роста сменяются лавинообразными осыпаниями песка, эти осыпания сопровождаются эффектом домино, когда одна песчинка заставляет падать другую или несколько других, а те, в свою очередь, воздействуют на следующие, вовлекая их в цепную реакцию. Именно масштабные лавины, а не постепенные изменения являются мостом между количественным и качественным поведением.»

27

28 Модель «абелева куча песка» или «лавина»

Модель «абелева куча песка» или «лавина»

Модель «абелева куча песка (риса)» или «лавина» – модель самоорганизованной критичности

28

29 Клеточный автомат - модель кучи песка

Клеточный автомат - модель кучи песка

Правило обрушения (toppling rule): если вес Z(x, y) клетки (x, y) превысил порог Zcr , то Z(x, y) ? Z(x, y) – (Zcr + 1) Z(x ? 1, y) ? Z(x ? 1, y) + 1, Z(x, y ? 1) ? Z(, y x ? 1) + 1

29

30 Клеточный автомат

Клеточный автомат

30

31 Клеточный автомат

Клеточный автомат

31

32 Клеточный автомат

Клеточный автомат

32

33 Клеточный автомат

Клеточный автомат

33

34 Клеточный автомат

Клеточный автомат

34

35 Клеточный автомат

Клеточный автомат

35

36 Клеточный автомат

Клеточный автомат

36

37 Клеточный автомат

Клеточный автомат

37

38 Клеточный автомат

Клеточный автомат

38

39 Куча песка

Куча песка

В критическом состоянии наблюдаются лавины всех размеров, подобно тому, как при возникновении перколяционного кластера возникают кластеры всех размеров. Доля лавин размера s определяется степенным законом: D(s) ? s-?. Куча песка является абелевой (коммутативной): если более чем одна клетка неустойчива (критична), независимо от того, в каком порядке происходят обрушения, будут обрушены одни и те же клетки одно и то же число раз и в результате процесс закончится в одном и том же устойчивом состоянии. D. Dhar, Self-organised critical state of sandpile automaton models, Phys. Rev. Lett. 64 (1990). Ronald Meester, Frank Redig and Dmitri Znamenski. The Abelian sandpile: a mathematical introduction. 2008.

39

40 Игра выстреливания фишек (chip-firing game)

Игра выстреливания фишек (chip-firing game)

Дан граф, который может иметь петли и кратные ребра. В начальном состоянии вершины графа содержат некоторое (быть, может, нулевое) количество фишек. Вершина, число фишек в которой не меньше числа ее исходящих ребер, может выстрелить, т.е. передать по одной фишке по каждому исходящему ребру всем своим соседям. «Ход» состоит в выборе стреляющей вершины.

40

41 Игра выстреливания фишек (chip-firing game)

Игра выстреливания фишек (chip-firing game)

Доказано, что выбор ходов неважен: в любой позиции при любом выборе допустимых ходов конечная игра всегда заканчивается в одной и той же позиции за одно и то же число шагов, а бесконечная игра зацикливается с одним и тем же циклом. В ориентированных графах окончание игры может зависеть также от наличия стоковых вершин. Для неориентированных графов показано, что если последовательность конечна, то она заканчивается за O(n4) шагов (n – число вершин); кратчайший период в периодической игре равен n; минимальное число фишек для бесконечной игры равно m (числу ребер). Существуют алгоритмы полиномиальной сложности для определения, задает ли начальная позиция конечную или бесконечную игру, а также для определения, достижима ли одна позиция из другой.

41

42 Игра выстреливания фишек (chip-firing game)

Игра выстреливания фишек (chip-firing game)

Рассмотрены различные модификации этой игры: параллельная игра; игра с граничными вершинами (фишки, попавшие в них, выбывают из игры); т.н. «долларовая игра», в которой есть вершина с бесконечной емкостью, которая стреляет только тогда, когда процесс остановился.

42

43 Chip-firing game и куча песка

Chip-firing game и куча песка

Очевидны аналогии между chip-firing game и кучей песка: стреляющая вершина – аналог критической клетки в клеточном автомате; правило выстреливания аналогично правилу обрушения кучи песка; последовательность выстрелов – это лавина; граничные вершины в chip-firing game - аналоги граничным клеткам в клеточном автомате; независимость конечного состояния от выбора стреляющих вершин – аналог абелевости кучи песка. Chip-firing game – более сильная модель, поскольку она рассматривает произвольные графы.

43

44 Заключение: что объединяет все эти сюжеты

Заключение: что объединяет все эти сюжеты

Идея всеобщей связности как процесса: слабые связи Грановеттера, перколяционный кластер, большая лавина. Идея критического состояния: точка равновесия у Грановеттера; порог перколяции; критическая клетка в куче песка. Главное свойство критического состояния: малые воздействия ведут к большим последствиям. Модели быстрого распространения: от пороговых моделей Грановеттера до лавин в куче песка. Степенное распределение кластеров, лавин, подграфов с сильными связями.

44

45 Заключение: приложения

Заключение: приложения

Анализ социальных сетей: Интернет, мобильные сети. Устойчивость и связность телекоммуникационных сетей. Генетические графы. Моделирование быстрого распространения (эффекты домино): лесные пожары, эпидемии, слухи, инновации, социальные беспорядки. Моделирование медленных эволюционных процессов (биологическая эволюция, землетрясения) – прерывистое равновесие.

45

46 Заключение: «мягкие» вычисления и искусственный интеллект

Заключение: «мягкие» вычисления и искусственный интеллект

Социальные модели должны быть нечеткими. Ассоциативные связи: стандартные ассоциации – сильные связи; нестандартные ассоциации - слабые связи. Инсайт (озарение) – это лавина.

46

47 Заключение

Заключение

«Мы лишь бегло коснулись упомянутой темы, не теряя, однако, надежды на то, что разбросанные выше редкие капли окажутся в состоянии передать божественный букет.» М.Шредер. Фракталы, хаос, степенные законы. Миниатюры из бесконечного рая. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2005.

47

48 Спасибо за внимание

Спасибо за внимание

48

«О.П.Кузнецов д.т.н., проф»
http://900igr.net/prezentacija/istorija/o.p.kuznetsov-d.t.n.-prof-189169.html
cсылка на страницу

Без темы

1772 презентации
Урок

История

150 тем
Слайды
900igr.net > Презентации по истории > Без темы > О.П.Кузнецов д.т.н., проф