权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

自己組織化臨界ネットワークの数理構造解明とその応用

自组织临界网络数学结构的阐明及其应用

基本信息

批准号：
18J00527
负责人：
水高将吾
金额：
$ 2.58万
依托单位：
Japan Advanced Institute of Science and Technology (2019)Ibaraki University (2018)
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-25 至 2021-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-18J00527/
关键词：
複雑ネットワーク相転移フラクタル自己組織化臨界現象

项目摘要

２０１９年度は、前年度に提案した自己組織化臨界ダイナミクスによるネットワーク形成の単純モデル（以下、自己組織化臨界モデル）のモデルパラメータと自己組織化臨界ダイナミクスを特徴づける指数の関数関係を明らかにする目的のもと、一般化された自己組織化臨界モデルの提案を行った。具体的には、自己組織化臨界モデルを２つの方法で一般化し、それぞれのモデルについて以下の結果を得た。一般化モデル１：互いに連結したノード集合（クラスター）のサイズのべき乗に比例した確率でクラスター内のノードが新規エッジを獲得する。クラスターサイズに単純比例する場合、これまでに提案している自己組織化臨界モデルに一致する。新規エッジ獲得確率をコントロールするパラメータに依存して普遍クラスが変化することを明らかにした。これにより、自己組織化臨界ダイナミクスから発現するフラクタルネットワークに構造多様性があることが示された。現在、大規模数値シミュレーションを用いて、モデルパラメータと普遍クラスの関数関係を調べ、与えられたパラメータにおける定常状態でのネットワークの統計的性質を網羅的に調べている段階にある。一般化モデル２：新規エッジ獲得確率を既存ノードの次数+aに比例する確率にする。この一般化においては、パラメータaが大きい極限で元のモデルと一致する。既存次数に依存した確率でエッジを獲得する本モデルは、様々な現実ネットワークでみられるスケールフリー性を示すことが期待される。本モデルの数値シミュレーションから、スケールフリー性とフラクタル性が共存するパラメータ領域があることが確認された。正確な統計的性質を抽出するために、より大規模な数値シミュレーションが必要な段階にある。

In 2019, the proposal for self-organization threshold (hereinafter referred to as self-organization threshold) was made in the previous year. The proposal for self-organization threshold was made in the following year. The specific method of organizing critical information is generalized and the following results are obtained. Generalization 1: Link to each other and set (class) of services to determine the accuracy rate of services within the class to obtain new services In the case of pure proportion, the proposal is self-organized and critical. The new rules are based on the accuracy of the data. This is the first time that the organization of the organization has changed. At present, large-scale numerical value system is used to adjust the relationship between the number of parameters and the general parameters, and the steady-state statistical properties of the parameters are included in the adjustment stage. Generalization2: The accuracy of the new rule is the accuracy of the existing number of times +a. This generalization is based on the following: The number of existing times depends on the accuracy of the acquisition of the original, the occurrence of the original, and the expectation of the original. The number of items in this category is different from the number of items in the category. The correct statistical properties are extracted from a large number of samples.