مقاله انگلیسی رایگان در مورد اثرات آگاهی جهانی بر گسترش همه گیر در شبکه های چند منظوره – الزویر ۲۰۱۸

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله اثرات آگاهی جهانی بر گسترش همه گیر در شبکه های چند منظوره
عنوان انگلیسی مقاله The effects of global awareness on the spreading of epidemics in multiplex networks
انتشار مقاله سال ۲۰۱۸
تعداد صفحات مقاله انگلیسی  ۱۲ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) scopus – master journals – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۲٫۲۴۴ در سال ۲۰۱۷
شاخص H_index ۱۳۳ در سال ۲۰۱۹
شاخص SJR ۰٫۷۷۳ در سال ۲۰۱۷
شناسه ISSN ۰۳۷۸-۴۳۷۱
شاخص Quartile (چارک) Q2 در سال ۲۰۱۷
رشته های مرتبط مهندسی کامپیوتر – مهندسی فناوری اطلاعات
گرایش های مرتبط شبکه های کامپیوتری
نوع ارائه مقاله
ژورنال
مجله / کنفرانس Physica A: Statistical Mechanics and its Applications
دانشگاه College of Computer Engineering, Jiangsu University of Technology, 213001, Changzhou, China
کلمات کلیدی شبکه پیچیده، گسترش همه گیر، آگاهی جهانی، روش MMCA، شبکه چند منظوره (مالتی پلکس)
کلمات کلیدی انگلیسی Complex network, Epidemic spreading, Global awareness, MMCA method, Multiplex network
شناسه دیجیتال – doi
https://doi.org/10.1016/j.physa.2017.11.076
کد محصول E11881
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Outline
Highlights
Abstract
Keywords
۱٫ Introduction
۲٫ The global awareness controlled contagion spreading model
۳٫ Global MMCA method
۴٫ Simulations of the epidemic threshold
۵٫ Comparison with local awareness model (LACS)
۶٫ Comparison with SIS–UAU model and single layer model
۷٫ Conclusion
Acknowledgment
Appendix.
References

بخشی از متن مقاله:
Abstract

It is increasingly recognized that understanding the complex interplay patterns between epidemic spreading and human behavioral is a key component of successful infection control efforts. In particular, individuals can obtain the information about epidemics and respond by altering their behaviors, which can affect the spreading dynamics as well. Besides, because the existence of herd-like behaviors, individuals are very easy to be influenced by the global awareness information. Here, in this paper, we propose a global awareness controlled spreading model (GACS) to explore the interplay between the coupled dynamical processes. Using the global microscopic Markov chain approach, we obtain the analytical results for the epidemic thresholds, which shows a high accuracy by comparison with lots of Monte Carlo simulations. Furthermore, considering other classical models used to describe the coupled dynamical processes, including the local awareness controlled contagion spreading (LACS) model, Susceptible–Infected–Susceptible–Unaware–Aware– Unaware (SIS–UAU) model and the single layer occasion, we make a detailed comparisons between the GACS with them. Although the comparisons and results depend on the parameters each model has, the GACS model always shows a strong restrain effects on epidemic spreading process. Our results give us a better understanding of the coupled dynamical processes and highlights the importance of considering the spreading of global awareness in the control of epidemics.

Introduction

The study of networks has experienced a burst of activity in the last two decades [1–۵]. In the field of physics, most approaches to these problems are related to the theory of phase transition [6], statistical physics [7] and critical phenomenon [8–۱۰]. Especially with the rapid development of Internet and social media, the study of diffusion processes has attracted more and more interests [11–۱۳]. The use of network theory in epidemiological models provides a way to incorporate the individual-level heterogeneity necessary for the mechanistic understanding of the spread of infectious disease [14]. And as a result, many interesting models have been proposed to help us to gain the details of these processes, such as the classical susceptible–infected–susceptible model (SIS) [15], susceptible–infected–recovery model (SIR) [16] and so on [17,18]. Different models correspond to diverse realistic scenarios and they may focus on various factors which can affect epidemic spreading, e.g., the structure of networks [19], the frequency of contacts among individuals [20], the heterogeneity of participants [21], the transmission capacity of community structure [22,23], etc.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *