复杂系统与复杂网络，社会计算科研工具书。 目 录 第一章 漫谈复杂性与复杂系统…………………………………………………………1 §1.1 熵…………………………………………………………………………………1 §1.2 计算机与信息……………………………………………………………………5 §1.3 算法复杂性………………………………………………………………………7 §1.4 非平衡统计物理学、耗散结构与协同学………………………………………8 §1.5 临界现象与自组织临界现象……………………………………………………11 §1.6 混沌………………………………………………………………………………20 §1.7 原胞自动机………………………………………………………………………24 §1.8 描述复杂性与统计复杂性………………………………………………………28 第二章 一些有关复杂网络研究的统计物理学方法…………………………………42 §2.1 连续相变的平均场理论…………………………………………………………42 §2.2 自组织临界现象的平均场理论…………………………………………………45 §2.3 流行病传播的平均场理论简介…………………………………………………49 §2.4 主方程……………………………………………………………………………51 §2.5 生成函数…………………………………………………………………………55 §2.6 率方程……………………………………………………………………………56 第三章 博弈论及演化网络博弈…………………………………………………………59 §3.1 基本概念…………………………………………………………………………59 §3.2 完全信息静态博弈与纳什均衡…………………………………………………63 §3.3 完全信息动态博弈与子博弈精炼纳什均衡……………………………………66 §3.4 不完全信息静态博弈与贝叶斯纳什均衡………………………………………68 §3.5 不完全信息动态博弈与精炼贝叶斯纳什均衡…………………………………70 §3.6 合作博弈…………………………………………………………………………73 §3.7 演化网络博弈……………………………………………………………………74 §3.8 城市公交网络的网络操纵者博弈模型…………………………………………82 第四章 数理统计简介………………………………………………………………………87 §4.1 一些基本概念……………………………………………………………………87 §4.2 统计假设及其检验………………………………………………………………90 §4.3 一元线性回归……………………………………………………………………92 §4.4 回归的一些问题…………………………………………………………………95 §4.5 漫谈数据的采集与处理…………………………………………………………102 第五章 图论简介……………………………………………………………………………106 §5.1 一些基本概念……………………………………………………………………109 §5.2 图的连通性………………………………………………………………………112 §5.3 树图………………………………………………………………………………114 §5.4 最短道路问题……………………………………………………………………115 §5.5 图的矩阵描述……………………………………………………………………116 §5.6 有向图……………………………………………………………………………118 §5.7 二分图……………………………………………………………………………119 §5.8 网络流……………………………………………………………………………120 第六章 复杂网络的统计描述……………………………………………………………124 §6.1 平均距离、谐平均距离、效率与脆弱性………………………………………124 §6.2 集群系数、圈系数、富人集团系数、集团度………………………………125 §6.3 度、度分布、度相关性………………………………………………………128 §6.4 边权网及边权的一些统计性质………

图论 介绍 图论有时被称为复杂网络或网络科学或网络分析，是离散数学中最前卫的研究领域之一，也是我最喜欢的学科之一。 在这里，“图形”是首选名称，因为太多的人将“网络”一词与互联网联系在一起。 鉴于数据科学的繁荣，图论一直被机器学习的炒作所笼罩。 但是，一些一流的技术公司（例如Google和Facebook）在很大程度上依赖于图论的研究。 该存储库旨在增加图论对所有读者的了解。 它包含常见的图形算法，流行的网络模型，有趣的基于代理的仿真和惊人的复杂系统。 代码范围从基本级别到复杂级别，在生态学，流行病学，社会学，经济学，金融学等领域都有广泛的应用。Julia和Python均用于构建不同的脚本。 随着我逐渐攀升学习曲线，越来越多的有趣内容将会涌现出来。 敬请关注！ 目录 演算法 马图拉·贝克（Matula Beck） 原始 应用领域 疫情暴发 外汇套利 人居竞赛 人居占用 核心 骑士之旅

生态复杂系统中 “石头-剪刀-布”博弈的实例生态复杂系统中 “石头-剪刀-布”博弈的实例生态复杂系统中 “石头-剪刀-布”博弈的实例

生成对抗神经网络matlab代码神经网络的鲁棒性 团队成员： 里查·辛格 FNU萨钦 注意：由于文件较大，我们无法上传 EMNIST 数据集 emmist-balanced.mat 文件。 这个数据集可以在链接上找到。 如果找不到，请发送电子邮件至 或 。 项目内容： src/main.ipynb：运行 PDF 报告中提到的代码的 Pyhton notebook。 src/emmist-balanced.mat：EMNIST 数据集的 MATLAB 格式（由于大小超过 25 MB，无法上传）。 src/adversarial_examples.py：生成各种对抗样本的脚本。 src/plots.py：绘制各种分析图的脚本。 src/train_network.py：用于训练基本和蒸馏神经网络的脚本。 src/l0_attack.py：为我们的基础设施修改的作者代码。 包含 L-0 攻击。 src/l2_attack.py：为我们的基础设施修改的作者代码。 包含 L-2 攻击。 src/li_attack.py：为我们的基础设施修改的作者代码。 包含 L-Infinity 攻击。 src

适合控制过程中用到的鲁棒性，鲁棒性控制在matlab中的仿真

论对抗性的稳健性 该存储库包含有关的论文的LaTeX源。 这篇文章旨在帮助所有人-从设计自己的神经网络的人到审查国防论文的人，到只是想知道国防评估中要考虑的那些人-了解有关评估对抗性鲁棒性的方法的更多信息。 这是一份生活文件 我们不希望这成为传统论文，它只写一次就从未更新过。 虽然如何评估对抗性鲁棒性的基本原理不会改变，但是我们今天提供的有关评估对抗性鲁棒性的大多数具体建议可能很快就会过时。 因此，我们希望不时更新本文档，以便与研究界当前接受的最佳实践相匹配。 抽象的 事实证明，正确评估针对对抗性示例的防御措施非常困难。 尽管最近有大量工作试图设计能够抵抗自适应攻击的防御措施，但很少成功。 大多数提出辩护的论文很快就会被证明是不正确的。 我们认为，一个重要的因素是执行安全评估的难度。 在本文中，我们讨论了方法论的基础，回顾了公认的最佳实践，并提出了评估对抗性例子的防御措施的新方法。 我们

传统最小二乘对粗差比较敏感，在有粗差系统中计算很容易失败，而Huber方法给出了较为稳健的计算结果

针对永磁直线同步电机(PMLSM)伺服控制系统易受参数变化、外部扰动、非线性摩擦力等不确定性因素的影响,采用了一种自适应非线性滑模控制(ANLSMC)方案.首先,建立了含有不确定性因素的PMLSM动态方程,然后,通过速度作为状态变量的非线性函数和广义滑模面相结合,设计了非线性滑模面,这样不仅提高了系统的响应速度,而且增强了系统的鲁棒性.通过自适应控制在线调整趋近律中的控制增益来调节系统状态轨迹到达滑模面的趋近速度,削弱了抖振现象,同时减少了系统跟踪误差,进而提高系统的控制精度.最后,实验结果表明所采用的控制方案有效可行,与滑模控制(SMC)和非线性滑模控制(NLSMC)相比,ANLSMC不仅提

为提高井下应急救援无线Mesh网络的鲁棒性,提出了基于混合网状网结构的组网模式。在该模式下,无线终端参与无线Mesh网络组网,能够在骨干传输网络出现问题时对数据进行路由转发,从而消除了传统基础设施结构应急救援无线Mesh网络中终端通信对骨干传输网络的绝对依赖。此外,针对该模式下Mesh终端能耗较高的问题,进一步提出了一种改进AODV路由策略。该策略在AODV路由协议的基础上增加了节点类型信息与通信状态信息,根据节点类型与通信状态决定路由选择方式,实现了路由选择过程对Mesh终端的识别与避免,从而节约了无线Mesh终端能量。针对该策略的路由性能的仿真结果表明,该策略相比AODV提高了矿井应急救援无线Mesh网络的吞吐性能、传输稳定性与实时性;当骨干路由节点发生故障时,该策略能够快速重建路由,具有较强的路由恢复能力。

使用从单个图像进行3D人脸建模的Python代码 新功能：请参阅我们的后续项目，以进行。 此页面包含端到端演示代码，这些代码直接从不受约束的2D面部图像中估算3D面部形状和纹理。 对于给定的输入图像，它将生成面部形状和纹理的标准层文件。 它伴随我们的论文[1]中描述的深层网络。 在此版本中，我们还包括了地标构成的姿势和表情拟合的演示代码。 此版本是正在进行的人脸识别和建模项目的一部分。 请，请参阅以获取更新和更多数据。 特征 直接从图像强度用于3D形状和纹理估计的端到端代码 在不受限制的条件下设计和测试人脸图像，包括具有挑战性的LFW，YTF和IJB-A基准 首次显示使用我们的网络提取的3D面部形状和纹理参数具有描述性和鲁棒性，并通过这些基准上的3DMM表示提供了近乎最新的面部识别性能 没有昂贵的迭代优化，内部循环即可回归形状。 因此，3DMM安装非常快 使用回归的3D人脸模型，根据检