ترجمه فارسی مقاله مشاهده دینامیک شبکه از طریق گره‌های نگهبان

چکیده

A fundamental premise of statistical physics is that the particles in a physical system are interchangeable, and hence the state of each specific component is representative of the system as a whole. This assumption breaks down for complex networks, in which nodes may be extremely diverse, and no single component can truly represent the state of the entire system. It seems, therefore, that to observe the dynamics of social, biological or technological networks, one must extract the dynamic states of a large number of nodes — a task that is often practically prohibitive. To overcome this challenge, we use machine learning techniques to detect the network’s sentinel nodes, a set of network components whose combined states can help approximate the average dynamics of the entire network. The method allows us to assess the state of a large complex system by tracking just a small number of carefully selected nodes. The resulting sentinel node set offers a natural probe by which to practically observe complex network dynamics.

چکیده به فارسی (ترجمه ماشینی)

فرضیه اساسی فیزیک آماری این است که ذرات موجود در یک سیستم فیزیکی قابل تعویض هستند و از این رو وضعیت هر مؤلفه خاص نماینده سیستم به عنوان یک کل است.این فرض برای شبکه های پیچیده تجزیه می شود ، که در آن گره ها ممکن است بسیار متنوع باشند و هیچ مؤلفه ای واحد نمی تواند وضعیت کل سیستم را نشان دهد.بنابراین ، به نظر می رسد که برای مشاهده پویایی شبکه های اجتماعی ، بیولوژیکی یا فناوری ، باید حالات پویا تعداد زیادی گره را استخراج کرد – کاری که اغلب عملاً ممنوع است.برای غلبه بر این چالش ، ما از تکنیک های یادگیری ماشین برای تشخیص گره های Sentinel شبکه استفاده می کنیم ، مجموعه ای از مؤلفه های شبکه که حالت های ترکیبی آنها می تواند به تقریبی پویایی متوسط ​​کل شبکه کمک کند.این روش به ما امکان می دهد با ردیابی تعداد کمی از گره های با دقت انتخاب شده ، وضعیت یک سیستم پیچیده بزرگ را ارزیابی کنیم.مجموعه گره Sentinel حاصل یک کاوشگر طبیعی را ارائه می دهد که با استفاده از آن می توان پویایی شبکه پیچیده را مشاهده کرد.