Корзина (0)
Ваша корзина пустует и скучает ;)
Категории

Курсовая работа: Топологии социальных сетей и модели распространения эпидемий

Исследование топологии социальных сетей и модели распространения эпидемий. Актуальность и новизна курсовых, дипломных и магистерских работ по топологии сетей и модели распространения эпидемий, узнать рекомендации эксперта и скачать пример.


Новым витком развития данного направления исследования по праву считается совокупность топологии социальной сети и динамика распространения эпидемий. На данный момент известно пять типов топологий социальных сетей.

1. В случайных сетях пространственная позиция узлов не важна, и соединения сформированы наугад. В наиболее аналитически верной версии случайной сети у каждого узла есть постоянное число контактов, через которые может распространиться инфекция. Случайная сеть поэтому характеризуется отсутствием кластеризации и однородностью свойств сети индивидуального уровня. Динамика болезней в случайных сетях может быть изучена как простой ветвящийся процесс.

Сокращение темпа роста происходит по двум причинам: во-первых, каждый инфекционный узел был заражен одним из его контактов, сократив количество восприимчивых контактов к (n – 1); во-вторых, поскольку инфекционный узел начинает заражать его восприимчивые контакты, это истощает его окружение, даже когда распространенность узлов маленькая, и следовательно ограничивает уровень распространения болезни. Этими двумя процессами делятся все эпидемии в сетях (несмотря на то, что сила эффектов может измениться).

2. Решетчатые сети основываются на совсем других предположениях. Узлы расположены на регулярной сетке, обычно в двух размерностях, и соединены смежные узлы. Поэтому, контакты локализованы в пространстве. Решетки гомогенны на индивидуальном уровне, и из-за локализованной природы соединений высоко кластеризируются. Вместе со всеми сетями модели решетки показывают увеличенный начальный рост инфекции по сравнению со случайными сетями, потому что пространственная кластеризация контактов вызывает более быструю насыщенность окружения.

3. Малые-мировые сети или малые-мир являются классом сетей, которые высоко кластеризируются как регулярные решетки, но все же имеют характерно маленькие пути как случайные графы. Эти характеристики приводят к сетям с уникальными свойствами региональной специализации с эффективной передачей информации. Географически или специфически узкие социальные сети – интуитивный пример этой организации. У малых-мировых сетей есть уникальные топологические свойства, и критически важно точно отличить их от сетей без одновременной высокой кластеризации и малой длины пути.

4. Пространственные сети – одна из самых гибких форм сети. Узлы расположены в конкретной области (или объеме), и два узла соединены с вероятностью, которая зависит от их разделения, определенного ядром соединения. Изменяя распределение людей или ядра, возможно генерировать большое разнообразие сетей в пределах от очень сгруппированных решеток малых – миров до глобальных случайных сетей. Пространственные сети обычно характеризуются степенным распределением Пуассона с высокой степенью неоднородности.

5. Безмасштабные сети создаются динамично, добавляя новые узлы к сети один за другим с механизмом соединения, который подражает естественному формированию социальных контактов и подчиняются степенному закону. Каждый новый узел, который добавлен к уже существующим узлам, соединяется предпочтительно с узлами, у которых уже есть большое количество контактов. Экстремальная неоднородность количества контактов в безмасштабных сетях, является количественной функцией, которая долго представляла интерес для эпидемиологов. Базовые группы играют основную роль в распространении и поддержании инфекции. Важно знать, что наличие многих контактов имеет два эффекта. Это означает, что узел имеет повышенный риск заражения, и когда он инфицирован, может передать болезнь многим другим. Базовые группы таких риск – узлов помогают поддерживать эпидемии. Все это подтверждает принадлежность данного вида сетей к специализированным социальным сетям для общения.

Наиболее полно в данной статье из дипломной работы будут рассмотрены безмасштабные сети в контексте информационных эпидемий в социальных сетях. Распространение инфекций в сети во многом априорно определено присутствием корреляций. Однако, в любой безмасштабной сети с разбросом второго момента ‹k2›, эпидемический порог модели исчезает, независимо от присутствия корреляций. В конечных сетях роль корреляций появляется благодаря тому, что эпидемический порог ограничен сверху на величину, которая зависит от knn.

В то время, как эти результаты способствуют общему пониманию эпидемии, распространяющейся в сложных сетях, они не обеспечивают полной информации о временных закономерностях динамического процесса и о том, насколько эффективно происходит распространение. Раскрытие этих моделей и их отношения к разнородности вершин сетей крайне важно для выбора стратегий управления эпидемией. Здесь интересно также учесть вес (ценность) вершины.

Большинство сложных сетей можно классифицировать в соответствии с убыванием распределения степени их вершин. Для случая, когда распределение степени убывает быстрее, чем любой степенной закон, как правило, экспоненциальный (или быстрее), имеем случайный (Пуассона) граф, где колебания степени невелики, и используется довольно грубое приближение степени каждой вершины в качестве постоянного k≈‹k›. Это приближение используется в большинстве исследований и соответствует гомогенному случаю смешивания. Однако, по большому счету, в распределении Пуассона вершины не имеют одинаковое количество соседей, которые могут быть заражены. Для случая гетерогенных сетей, скажем, безмасштабных сетей, большая неоднородность вызывает изменения в эпидемическом процессе. Причем, пуассоновские сети можно считать гомогенными весьма условно.

Уместно заметить, что модели инфицирования безмасштабной сети имеет ряд свойств:

- аналоговая их сущность, выраженная в дифференциальном уравнении, описывающем динамику процесса;

- вместе с тем, плотности инфицированных вершин дискретны, в виду натуральности числа вершин;

- отсюда корректность их дифференцирования сомнительна, включая задание начальных условий;

- наконец, дискретно и время процесса, описываемое в ранних моделях инфицирования в раундах, позднее измеряемое шагами (этапами);

- в отличие от рассматриваемых моделей, пошаговое рассмотрение более наглядно;

- дискретная модель в сравнении с аналоговой открывает перспективы оперативного вмешательства в процесс на любом этапе по жизненным показаниям вирусно-атакуемой сети;

В заключение необходимо отметить, что более показательной характеристикой эпидемического процесса выглядит отношение количества зараженных и незараженных вершин на каждом этапе (раунде) инфицирования, определенного как эпистойкость социальной сети.

Скачать работу на данную тему

Скачать курсовую работу по топологии сети и модели распространения эпидемий (пример)

Скачать другие готовые или купить дипломную/магистерскую по топологии сети и модели распространения эпидемий

Заказать курсовую работу по топологии сети и модели распространения эпидемий или оценить стоимость можно при помощи формы Узнать стоимость моей работы.