scholarly journals Scaling analysis of COVID-19 spreading based on Belgian hospitalization data

2020 ◽  
Author(s):  
Bart Smeets ◽  
Rodrigo Watté ◽  
Herman Ramon
Keyword(s):  
Power Law ◽  
Temporal Evolution ◽  
Small World ◽  
Model Fit ◽  
Scaling Analysis ◽  
Reproduction Rate ◽  
Small World Network ◽  
Number Of Patients ◽  
Power Law Exponent ◽  
Kinetics Of

AbstractWe analyze the temporal evolution of accumulated hospitalization cases due to COVID-19 in Belgium. The increase of hospitalization cases is consistent with an initial exponential phase, and a subsequent power law growth. For the latter, we estimate a power law exponent of ≈ 2.2, which is consistent with growth kinetics of COVID-19 in China and indicative of the underlying small world network structure of the epidemic. Finally, we fit an SIR-X model to the experimental data and estimate the effect of containment policies in comparison to their effect in China. This model suggests that the base reproduction rate has been significantly reduced, but that the number of susceptible individuals that is isolated from infection is very small. Based on the SIR-X model fit, we analyze the COVID-19 mortality and the number of patients requiring ICU treatment over time.

scholarly journals The structure of co-publications multilayer network

2021 ◽  
Vol 8 (1) ◽  
Author(s):  
Ghislain Romaric Meleu ◽  
Paulin Yonta Melatagia
Keyword(s):  
Power Law ◽  
Degree Distribution ◽  
Preferential Attachment ◽  
Small World ◽  
Generation Model ◽  
Small World Network ◽  
Power Law Distribution ◽  
Multilayer Networks ◽  
Multilayer Network ◽  
Scientific Papers

AbstractUsing the headers of scientific papers, we have built multilayer networks of entities involved in research namely: authors, laboratories, and institutions. We have analyzed some properties of such networks built from data extracted from the HAL archives and found that the network at each layer is a small-world network with power law distribution. In order to simulate such co-publication network, we propose a multilayer network generation model based on the formation of cliques at each layer and the affiliation of each new node to the higher layers. The clique is built from new and existing nodes selected using preferential attachment. We also show that, the degree distribution of generated layers follows a power law. From the simulations of our model, we show that the generated multilayer networks reproduce the studied properties of co-publication networks.

scholarly journals Breakdown coefficients and scaling properties of rain fields

1998 ◽  
Vol 5 (2) ◽  
pp. 93-104 ◽  
Author(s):  
D. Harris ◽  
M. Menabde ◽  
A. Seed ◽  
G. Austin
Keyword(s):  
Time Series ◽  
Parameter Estimation ◽  
Power Law ◽  
Scale Parameter ◽  
Probability Distributions ◽  
Scaling Analysis ◽  
Scaling Properties ◽  
Power Law Exponent ◽  
Scale Similarity ◽  
Parameter Estimation Techniques

Abstract. The theory of scale similarity and breakdown coefficients is applied here to intermittent rainfall data consisting of time series and spatial rain fields. The probability distributions (pdf) of the logarithm of the breakdown coefficients are the principal descriptor used. Rain fields are distinguished as being either multiscaling or multiaffine depending on whether the pdfs of breakdown coefficients are scale similar or scale dependent, respectively. Parameter  estimation techniques are developed which are applicable to both multiscaling and multiaffine fields. The scale parameter (width), σ, of the pdfs of the log-breakdown coefficients is a measure of the intermittency of a field. For multiaffine fields, this scale parameter is found to increase with scale in a power-law fashion consistent with a bounded-cascade picture of rainfall modelling. The resulting power-law exponent, H, is indicative of the smoothness of the field. Some details of breakdown coefficient analysis are addressed and a theoretical link between this analysis and moment scaling analysis is also presented. Breakdown coefficient properties of cascades are also investigated in the context of parameter estimation for modelling purposes.

SELF-ORGANIZED CORONA GRAPHS: A DETERMINISTIC COMPLEX NETWORK MODEL WITH HIERARCHICAL STRUCTURE

2019 ◽  
Vol 22 (06) ◽  
pp. 1950019
Author(s):  
ROHAN SHARMA ◽  
BIBHAS ADHIKARI ◽  
TYLL KRUEGER
Keyword(s):  
Power Law ◽  
Small World ◽  
Self Organization ◽  
Scale Free ◽  
Self Organized ◽  
Power Law Exponent ◽  
Growing Networks ◽  
Growing Network ◽  
Hierarchical Pattern ◽  
Corona Graphs

In this paper, we propose a self-organization mechanism for newly appeared nodes during the formation of corona graphs that define a hierarchical pattern in the resulting corona graphs and we call it self-organized corona graphs (SoCG). We show that the degree distribution of SoCG follows power-law in its tail with power-law exponent approximately 2. We also show that the diameter is less equal to 4 for SoCG defined by any seed graph and for certain seed graphs, the diameter remains constant during its formation. We derive lower bounds of clustering coefficients of SoCG defined by certain seed graphs. Thus, the proposed SoCG can be considered as a growing network generative model which is defined by using the corona graphs and a self-organization process such that the resulting graphs are scale-free small-world highly clustered growing networks. The SoCG defined by a seed graph can also be considered as a network with a desired motif which is the seed graph itself.

scholarly journals Μοντελοποίηση, ανάλυση και διαφοροποιημένη ανάκτηση νομικής πληροφορίας

2017 ◽  
Author(s):  
Μάριος Κόνιαρης
Keyword(s):  
Power Law ◽  
Small World ◽  
Small World Network

Στην εποχή της κοινωνίας της πληροφορίας ο κλάδος της νομικής Πληροφορικής έχει να αντιμετωπίσει σημαντικές προκλήσεις εξαιτίας του όγκου και της πολυπλοκότητας των νομικών δεδομένων. Σε αυτό το πλαίσιο, ζητήματα διαχείρισης και διάχυσης της νομικής πληροφορίας, μοντέλα διαχείρισης της νομικής πολυπλοκότητας, τεχνικές διευκόλυνσης των χρηστών στην αναζήτηση νομικών πληροφοριών και μέθοδοι ενθάρρυνσης της συμμετοχής των πολιτών στο σχεδιασμό των ρυθμίσεων, αποτελούν ανοιχτά ερευνητικά ζητήματα. Προς την κατεύθυνση αυτή, η παρούσα διατριβή μελετά και προτείνει μεθόδους: α) διαχείρισης της νομικής πληροφορίας με σημασιολογικά πρότυπα, β) μοντελοποίησης του δικαίου σε μορφή σύνθετου δικτύου, γ) διαφοροποιημένης ανάκτησης νομικής πληροφορίας και δ) διαφοροποιημένης ανάκτησης καταχωρήσεων σε κείμενα διαβουλεύσεων και κοινωνικά δίκτυα.Στο πλαίσιο της διατριβής προτείνουμε ένα μοντέλο σημασιολογικής αναπαράστασης της ελληνικής νομικής πληροφορίας και τεχνικές αυτόματης εξαγωγής και αναπαράστασης σε αυτό το μοντέλο νομικής πληροφορίας. Δεδομένου ότι τα νομικά έγγραφα διαχέονται σε μη μηχαναγνώσιμες μορφές, είναι απαραίτητος ο αυτόματος μετασχηματισμός τους σε μορφή κατάλληλη για τη μοντελοποίηση νομικών πηγών, με σκοπό την δομική και σημασιολογική αναπαράστασή τους, τη διασύνδεσή τους βάσει νομικών παραπομπών και την ταξινόμησή τους. Τα παραπάνω έχουν υλοποιηθεί σε μια πλατφόρμα διαχείρισης, νομικής πληροφορίας, η οποία αξιοποιεί την σημασιολογική αναπαράσταση των νομικών πηγών, προσφέροντας, μεταξύ άλλων, εξελιγμένα αποτελέσματα αναζήτησης. Η προτεινόμενη αρχιτεκτονική αξιολογήθηκε σε πραγματικό περιβάλλον παραγωγής, του δημοσίου τομέα, παρέχοντας στο ευρύ κοινό σημασιολογική πρόσβαση στην ελληνική φορολογική νομοθεσία.Ταυτόχρονα, προτείνουμε ένα μοντέλο αναπαράστασης του γραπτού δικαίου σε μορφή σύνθετου δικτύου. Εφαρμόζουμε το μοντέλο στο σύνολο του γραπτού δίκαιου της Ε.Ε. και εξετάζουμε την δομή και την τοπολογία του, προσπαθώντας να εντοπίσουμε οργανωτικές αρχές του γραπτού δικαίου. Η εμπειρική μας ανάλυση αναδεικνύει σε μακροσκοπικό επίπεδο αφανείς οργανωτικές αρχές του σώματος του δικαίου και παρέχει ερμηνεία για την επίδραση της δομής του δικτύου σε μεμονωμένες νομικές πηγές και σε μικροσκοπικό επίπεδο επιτρέπει την ποσοτικοποίηση της σχετικής σημασίας μιας νομικής πηγής μέσα σε ένα σώμα κειμένων. Προκύπτει, μεταξύ άλλων, ότι οι νομικές πηγές έχουν έντονη τάση να συνδέονται με νομικές πηγές του ιδίου τύπου, σχηματίζοντας ομάδες του ίδιου τύπου/τομέα. Η επικοινωνία μεταξύ των πολύ συσσωρευμένων περιοχών αραιά συνδεδεμένων κόμβων διατηρείται από μερικούς κόμβους, καθώς το δίκτυο είναι επίσης εξαιρετικά ετερογενές σε σχέση με τον αριθμό των συνδέσεων των νομικών πηγών και συγκεκριμένα είναι ένα δίκτυο νόμου δύναμης μικρού κόσμου (power law small-world network). Η προέλευση αυτής της ετερογένειας, μπορεί να εξηγηθεί από τη διαδικασία της επιλεκτικής προσκόλλησης, η οποία ενισχύει τη δημοτικότητα των πηγών υψηλής κατάταξης. Ταυτόχρονα, αξιολογούμε την χρονική εξέλιξη καθώς και την ανθεκτικότητα του σε περίπτωση μεταβολών. Η πρόταση μας παρέχει μια πρώτη προσέγγιση για την βελτίωση της αποτελεσματικότητας του νομικού συστήματος, ενώ παράλληλα νέες ερευνητικές κατευθύνσεις είναι δυνατό να προκύψουν μέσω αυτής.Επιπρόσθετα, στην παρούσα διατριβή, εξετάζονται θέματα μεγιστοποίησης της νομικής ποικιλομορφίας των αποτελεσμάτων αναζήτησης, με στόχο την διευκόλυνση των χρηστών κατά την αναζήτηση χρήσιμης πληροφορίας σε ένα τεράστιο όγκο νομικών δεδομένων. Για παράδειγμα, ένας δικηγόρος που προετοιμάζει τα επιχειρήματα του για δεδομένη υπόθεση θα διευκολυνθεί περισσότερο από μια λίστα αποφάσεων που περιέχει αποφάσεις από διαφορετικούς κλάδους, διαφορετικά δικαστήρια, σε διαφορετικές εποχές, σε σχέση με μια λίστα ομοιογενών αποφάσεων με παρόμοια χαρακτηριστικά. Συγκεκριμένα, προσαρμόζουμε αλγορίθμους που έχουν προταθεί στη βιβλιογραφία για την κάλυψη ετερογενών αναγκών, όπως η δημιουργία περιλήψεων κειμένων, η διαφοροποιημένη κατάταξη σε γράφους και η διαφοροποίηση αποτελεσμάτων αναζήτησης. Ταυτόχρονα, εξετάζουμε την συνεισφορά εξειδικευμένων κριτηρίων διαφοροποίησης νομικών πηγών, τα οποία και ενσωματώνουμε στους αλγορίθμους. Πραγματοποιούμε εκτενή πειραματική αξιολόγηση των μεθόδων και κριτηρίων διαφοροποίησης σε ποικίλες περιπτώσεις, με πραγματικές συλλογές νομικών εγγράφων, από διαφορετικά νομικά συστήματα, χρησιμοποιώντας διεθνώς αποδεκτές μετρικές και αντικειμενική μεθοδολογία επισημείωσης του συνόλου δεδομένων, παρέχοντας όρια εξισορρόπησης μεταξύ της σχετικότητας και της ποικιλομορφίας του συνόλου αποτελεσμάτων.Παράλληλα, με βάση την συμμετοχή των πολιτών στο σχεδιασμό των ρυθμίσεων μέσω της διαδικασίας διαβούλευσης, αλλά και της ευρείας εξάπλωσης των κοινωνικών δικτύων, εξετάζουμε τη διαφοροποιημένη ανάκτηση καταχωρήσεων χρηστών σε κείμενα διαβουλεύσεων και σε κοινωνικά δίκτυα. Στην κατεύθυνση αυτή, ορίζουμε εξειδικευμένα κριτήρια διαφοροποίησης που λαμβάνουν υπόψη τα χαρακτηριστικά των καταχωρήσεων και του κοινωνικού δικτύου, τα οποία και εισάγουμε σε ευριστικούς αλγόριθμους διαφοροποίησης, με στόχο την ανάκτηση συνόλου ετερογενών/ποικιλόμορφων καταχωρήσεων. Για τις ανάγκες της πειραματικής αξιολόγησης των μεθόδων/κριτηρίων διαφοροποίησης, που πραγματοποιήθηκε με βάση δημοσίως διαθέσιμα πραγματικά σύνολα δεδομένων, επεκτείναμε μετρικές αξιολόγησης για την αποτίμηση της ποικιλομορφίας των καταχωρήσεων.

scholarly journals A Model of the Distribution of Wealth in Society

10.14311/764 ◽  
2005 ◽  
Vol 45 (5) ◽  
Author(s):  
H. Lavička ◽  
F. Slanina
Keyword(s):  
Monte Carlo Simulation ◽  
Monte Carlo ◽  
Inelastic Scattering ◽  
Power Law ◽  
Small World ◽  
Small World Network ◽  
Agent Based ◽  
Distribution Of Wealth

A model of the distribution of wealth in society will be presented. The model is based on an agent-based Monte Carlo simulation where interaction (exchange of wealth) is allowed along the edges of a small-world network. The interaction is like inelastic scattering and it is characterized by two constants. Simulations of the model show that the distribution behaves as a power-law and it agrees with results of Pareto. 

THE SCALE-FREE AND SMALL-WORLD PROPERTIES OF COMPLEX NETWORKS ON SIERPINSKI-TYPE HEXAGON

Fractals ◽  
2020 ◽  
Vol 28 (03) ◽  
pp. 2050054
Author(s):  
KUN CHENG ◽  
DIRONG CHEN ◽  
YUMEI XUE ◽  
QIAN ZHANG
Keyword(s):  
Power Law ◽  
Path Length ◽  
Small World ◽  
The Self ◽  
Renewal Theorem ◽  
Self Similarity ◽  
Scale Free ◽  
Power Law Exponent ◽  
Self Similar ◽  
Encoding Method

In this paper, a network is generated from a Sierpinski-type hexagon by applying the encoding method in fractal. The criterion of neighbor is established to quantify the relationships among the nodes in the network. Based on the self-similar structures, we verify the scale-free and small-world effects. The power-law exponent on degree distribution is derived to be [Formula: see text] and the average clustering coefficients are shown to be larger than [Formula: see text]. Moreover, we give the bounds of the average path length of our proposed network from the renewal theorem and self-similarity.

Analysis of Oncogene Protein Structure Using Small World Network Concept

2020 ◽  
Vol 15 (7) ◽  
pp. 732-740
Author(s):  
Neetu Kumari ◽  
Anshul Verma
Keyword(s):  
Amino Acids ◽  
Protein Structure ◽  
Degree Distribution ◽  
Protein Structures ◽  
Small World ◽  
Extreme Condition ◽  
Centrality Measures ◽  
Small World Network ◽  
Network Concept ◽  
Oncogene Protein

Background: The basic building block of a body is protein which is a complex system whose structure plays a key role in activation, catalysis, messaging and disease states. Therefore, careful investigation of protein structure is necessary for the diagnosis of diseases and for the drug designing. Protein structures are described at their different levels of complexity: primary (chain), secondary (helical), tertiary (3D), and quaternary structure. Analyzing complex 3D structure of protein is a difficult task but it can be analyzed as a network of interconnection between its component, where amino acids are considered as nodes and interconnection between them are edges. Objective: Many literature works have proven that the small world network concept provides many new opportunities to investigate network of biological systems. The objective of this paper is analyzing the protein structure using small world concept. Methods: Protein is analyzed using small world network concept, specifically where extreme condition is having a degree distribution which follows power law. For the correct verification of the proposed approach, dataset of the Oncogene protein structure is analyzed using Python programming. Results: Protein structure is plotted as network of amino acids (Residue Interaction Graph (RIG)) using distance matrix of nodes with given threshold, then various centrality measures (i.e., degree distribution, Degree-Betweenness correlation, and Betweenness-Closeness correlation) are calculated for 1323 nodes and graphs are plotted. Conclusion: Ultimately, it is concluded that there exist hubs with higher centrality degree but less in number, and they are expected to be robust toward harmful effects of mutations with new functions.

scholarly journals Sublinear domination and core–periphery networks

2021 ◽  
Vol 11 (1) ◽  
Author(s):  
Marios Papachristou
Keyword(s):  
Network Model ◽  
Power Law ◽  
Real World ◽  
Random Network ◽  
Small World ◽  
The Core ◽  
Entire Network

AbstractIn this paper we devise a generative random network model with core–periphery properties whose core nodes act as sublinear dominators, that is, if the network has n nodes, the core has size o(n) and dominates the entire network. We show that instances generated by this model exhibit power law degree distributions, and incorporates small-world phenomena. We also fit our model in a variety of real-world networks.

Sign in / Sign up

Export Citation Format

Share Document