عنوان فارسی:دانلود ترجمه مقاله تاثیرات آگاهی جهانی بر گسترش اپیدمی در شبکه های چندگانه 

دانلود ترجمه مقاله تاثیرات آگاهی جهانی بر گسترش اپیدمی در شبکه های چندگانه – الزویر ۲۰۱۸:به صورت خلاصه، در این مقاله با در نظر گرفتن آگاهی جهانی، مدل GACS برای بررسی تعامل متقابل بین گسترش آگاهی با گسترش همه گیری برمبنای یک شبکه چند منظوره دو لایه پیشنهاد داده شده است. تفاوت اصلی بین مدل GACS و مدل های دیگر این است که احتمال آگاه بودن برای افراد ناآگاه بر مبنای درصد جهانی افراد آگاه در کل جمعیت است. سپس درخت احتمال را برای فرآیندهای مرتبط پویا ایجاد کردیم تا تبدیل ها در بین حالت های مختلف افراد را نشان دهد. با کمک روش MMC جهانی، آستانه همه گیری با حل مساله مقدار ویژه قابل دستیابی است.

عنوان فارسی مقاله:	تاثیرات آگاهی جهانی بر گسترش اپیدمی در شبکه های چندگانه
عنوان انگلیسی مقاله:	The effects of global awareness on the spreading of epidemics in multiplex networks
سال انتشار میلادی:	2018
نشریه:	Publisher : Elsevier – Science Direct (الزویر – ساینس دایرکت) فیزیک الف: مکانیک آماری و کاربردهای آن – Physica A: Statistical Mechanics and its Applications
کلمات کلیدی فارسی:	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
تعداد صفحات ترجمه شده:	۲۰ صفحه با فونت ۱۴ B Nazanin
نویسندگان:	Haijuan Zang
موضوع:	شبکه های کامپیوتری
دسته بندی رشته:	مهندسی فناوری اطلاعات
فرمت فایل انگلیسی:	۱۲ صفحه با فرمت pdf
فرمت فایل ترجمه شده:	Word
کیفیت ترجمه:	عالی
نوع مقاله:	isi
تعداد رفرنس:

---

مقاله انگلیسی+ترجمه فارسی

فهرست مطالب

نکات مهم
چکیده
۱- مقدمه
۲- مدل گسترش همه گیری کنترل شده آگاهی جهانی
۳- روش MMCA جهانی
۴- شبیه سازی های آستانه همه گیری
۵- مقایسه با مدل آگاهی محلی (LACS)
۶- مقایسه با مدل SIS-UAU و مدل تک لایه آگاهی عمومی آگاهی محلی
۷- نتیجه گیری
ضمیمه
منابع

---

چکیده

به طور فزاینده مشخص شده است که درک الگوهای پیچیده تعامل بین گسترش همه گیر (اپیدمی) و رفتار انسانی یک مولفه کلیدی در فعالیت های کنترل موفق سرایت است. به طور ویژه، افراد می توانند به اطلاعاتی درباره بیماری های همه گیر و واکنش از طریق تغییر رفتارهای خود دست یابند که می تواند بر پویایی گسترش تاثیرگذار باشد.

علاوه بر این، با توجه به وجود رفتارهای گله مانند، افراد به آسانی تحت تاثیر اطلاعات آگاهی جهانی قرار می گیرند. بنابراین، در این مقاله مدل گسترش کنترل شده آگاهی جهانی (GACS) را بررسی تعامل بین فرآیند هایی پیشنهاد می دهیم که ارتباط پویایی با یکدیگر دارند.

ما با استفاده از روش زنجیره مارکوف میکروسکوپی عمومی به نتایج تحلیلی برای آستانه های همه گیر دست می بابیم به طوری که دقت بالایی را از طریق مقایسه با شبیه سازی های متعدد مونت کارلو نشان می دهد. علاوه بر این، با در نظر گرفتن مدل های کلاسیک استفاده شده برای توصیف فرآیندهای مرتبط پویا از جمله مدل گسترش واگیری کنترل شده آگاهی محلی (LACS)، مدل مستعد پذیرش- آلوده- مستعد پذیرش- ناآگاه-آگاه- ناآگاه (SIS-UAU) و موقعیت تک لایه، مقایسه های کاملی بین GACS و آن ها انجام می دهیم. اگرچه این مقایسه ها و نتایج به پارامترهای هر مدل وابسته هستند اما مدل GACS همواره اثرات مهار شدید را بر فرآیند گسترش همه گیر نشان می دهد. نتایج به دست آمده در این مقاله درک بهتر از فرآیند های مرتبط دینامیکی نشان می دهد و اهمیت در نظر گرفتن گسترش آگاهی جهانی در کنترل بیماری های همه گیر را نمایان می کند.

---

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.

---

نمونه ترجمه مقاله:

1. مقدمه

مطالعه شبکه ها در دو دهه اخیر شاهد فعالیت های گسترده ای بوده است [1-5]. بیشتر روش ها در حوزه فیزیک برای حل این مساوئل به نظریه انتقال فاز[1] [6]، فیزیک آماری[2] [7] و پدیده بحرانی[3] [8-10] مرتبط هستند. به ویژه با توسعه سریع شبکه اینترنت و رسانه های اجتماعی، مطالعه فرآیندهای انتشار علاقه مندی بیشتر و بیشتری را به خود جذب کرده است [11-13]. استفاده از نظریه شبکه[4] در مدل های اِپیدمیولوژی (همه گیر شناسی)[5] روشی را برای ترکیب ناهمگونی سطح فردی[6] فراهم می کند که برای درک مکانیکی گسترش بیماری های واگیردار ضروری است [14]. به عنوان یک نتیجه، مدل های جالب بسیاری برای دستیابی به جزئیات این فرآیندها پیشنهاد داده شده است که نمونه آن مدل کلاسیک مستعد پذیرش- آلوده- مستعد پذیرش (SIS)[7] [15]، مدل مستعد پذیرش- آلوده- بهبود[8] (SIR) [16] و غیره [17,18] است. مدل های مختلفی به سناریوهای متنوع واقعی مرتبط هستند و ممکن است بر عوامل مختلفی متمرکز شوند که می تواند بر گسترش همه گیر تاثیرگذار باشد که نمونه آن ساختار شبکه ها [19]، تکرار تماس بین افراد [20]، ناهمگونی مشارکت کنندگان [21]، ظرفیت انتقال ساختار جامعه [22,23] و غیره است.

علاوه بر این، با توجه به توسعه فناوری، اطلاعاتی که به صورت همه گیر ایجاد شده است می تواند به سرعت از طریق کانال های مختلفی مانند شبکه های اجتماعی آنلاین، شفاهی، رسانه های خبری و غیره منتقل شوند. همچننی تعامل بین آگاهی و فرآیندهای گسترش بیماری نیز مساله کلیدی در مطالعه بیماری های همه گیر است [24]. بنابراین، برای درک این که چگونه انتشار اطلاعات می تواند سبب کاهش شیوع بیماری های همه گیر شود، پویایی نامتقارن گسترش تعامل می بایست منجر به جهت گیری جدیدی تحقیقات در حوزه علم شبکه های

[1] phase transition

[2] statistical physics

[3] Critical phenomenon

[4] network theory

[5] epidemiological models

[6] individual-level heterogeneity

[7] susceptible–infected–susceptible

[8] susceptible–infected–recovery