Complex Systems Studies

Agent-based Crowd Simulation Considering Emotion Contagion for Emergency Evacuation Problem Hamed Faroqi, Mohammad-Saadi Mesgari bit.ly/2H6RWw8

😮 https://theweek.com/articles-amp/810303/physics-panic?__twitter_impression=true

The statistical physics of real-world networks “statistical physics approach and the null models for complex networks, focusing in particular on analytical frameworks that reproduce local network features” https://t.co/bjZ6O487j7

🔸 داستان پیچیدگی: چرا بیشتر، متفاوت است؟ عباس کریمی 🍂 کنفرانس سار، پاییز ۹۷، موزه علم و فناوری 🎞 دانلود ویدیو: bit.ly/2VBQTaU 🔊 صوت: bit.ly/2Vv41hQ 🔖 اسلایدها: bit.ly/2SGkmhP 🎬 در آپارات: bit.ly/2RFW6iA 🔗 فایل‌ها در تلگرام: t.me/RadioPhysicsIr/128 #complex_systems #network_science #emergence #reductionism #cancer #more_is_different http://sar.inmost.ir/

🌔 A Complete Tutorial to learn Data Science in R from Scratch https://t.co/SJalbK0TLg

IFISC announces the 2019 Colloquia on Complex Systems, a series of seminars by leading scientists in CS, starting on Jan 16. All seminars will be broadcasted via: https://t.co/QCCiNMgYB1

🌀 نگاهی بر مساله تاشدگی پروتئین‌ها http://www.sitpor.org/2019/01/proteins/

"Surges of collective human activity emerge from pairwise correlations" has just been accepted at PRX (https://t.co/PBvvpF9BdK). We show that spikes of collective activity, from emails and private messages to face-to-face interactions and music streaming, can be predicted by a maximum entropy model that is only aware of pairwise correlations between individuals. Moreover, the functional interactions look very much like the networks of inter-human communication themselves!

The Korean Government just released DataKorea! DataKorea is built on DataUSA's open source code and includes many nice additions, such as the use of telco data to provide activity metrics for different places in major korean cities. Check it out! https://t.co/ifyErmNzuU

🧶 http://nautil.us/issue/68/context/its-the-end-of-the-gene-as-we-know-it

〽️The statistical mechanics of Twitter 🌐Paper : https://arxiv.org/abs/1812.07029 🎲 @ComplexSys #Physics #Society #StatisticPhysics

همه دروغ می‌گویند! https://bit.ly/2RxlWFm کتاب EVERYBODY LIES یکی از کتاب‌های جذاب برای آشنایی با قابلیت‌های حوزه Big Data می‌باشد که توسط ست استفن‌دیویدویتز یکی از دانشمندان داده شرکت گوگل در جهت معرفی قابلیت‌های تحلیل‌داده منتشر گردیده است. این محقق چهار سال را صرف تحلیل داده‌های ناشناس گوگل کرده است. تحقیقات او درباره موضوعاتی همچون بیماریهای روانی، سقط جنین، مذهب و پزشکی بوده است. او معتقد است که جستجوهای گوگل مهمترین پایگاه داده‌ای است که تاکنون در مورد روح و روان انسان وجود دارد. در این کتاب مقایسه‌های مختلفی از جستجوهای کاربران موتور جستجو گوگل با نظرسنجی‌ها عمومی صورت گرفته است. نتایج این تحقیق نشان از وجود اختلاف میان این دو حوزه و ارزش تحلیل‌ اطلاعات در عصر جدید است. در ادامه بخشی از توضیحات این کتاب آورده شده است: همه دروغ می‌گویند. مردم در مورد اینکه چند بار به باشگاه می‌روند، قیمت کفش آنها چقدر است و کتاب‌هایی که می‌خوانند، دروغ می‌گویند. آنها سر کار نمی‌روند چون بیمار هستند، اما در واقع دروغ می‌گویند. آنها می‌گویند که با شما تماس می‌گیرند، اما نمی‌گیرند. محور اصلی این کتاب جمله زیر می‌باشد: آیا مردم در سرچ‌های خود در موتور جستجو گوگل نیز دروغ خواهد گفت؟! پی‌نوشت: 1- اگر علاقه‌مند به شنیدن کتاب‌های صوتی و پادکست هستید می‌توانید خلاصه این کتاب را در اپیزود شماره 3 پادکست Bplus گوش دهید. در پست بعدی این پادکست قرار داده خواهد شد. 2-مطالعه این کتاب برای متخصصین جامعه‌شناسی، روان‌شناسی، مدیران و... بسیار مفید خواهد بود. ارادتمند محمدرضا محتاط © @DataAnalysis 🎲 @ComplexSys

〽️ Teach statistics before calculus! 🌐 yon.ir/OIgUB 🎲 @ComplexSys

🦋 A tutorial at NetSciX'19 by Eduardo Graells-Garrido. Held on January 2nd, 2019. Happy New Year! https://github.com/carnby/pythonnetworkvis Introductory slides available at http://bit.ly/NetworkVisInPython

تقریب توابع ترکیبی برای حسابان کسری - سخنران: دکتر محسن رزاقی، رئیس دپارتمان ریاضیات و آمار دانشگاه ایالتی میسیسیپی - زمان: چهارشنبه 12 دی، ساعت 3 بعد از ظهر - مکان: تالار دانشکده علوم ریاضی، دانشگاه شهید بهشتی

«آیا فیزیک می‌تواند شبکه‌های اجتماعی را تحلیل کند؟!« ویدیو ارائه عباس کریمی در مورد علم شبکه سومین همایش پیوند دانشگاه شهیدبهشتی تابستان ۹۷ 🎞 https://www.aparat.com/v/w9Sy3 فایل صوتی: 🔗 http://bit.ly/2vICezc

🍭 اگر فیزیکدان هستید یا سابقه‌ای در فیزیک دارین و دوست دارین زیست‌شناسی یاد بگیرین، این توصیه گلدنفلد رو بد نیست که بخونید: 🌀 Most biology books are awful, in my opinion. I find the subject difficult to learn, and you probably will also if you are attracted to the intellectual style of my work. By far the nicest read is the Problems in Biology by Maynard Smith, written 20 years or so ago, but still very relevant. Although written for the general public, he approaches biology from a physicist's perspective. The other book I would recommend is Ptashne's Genetic Switch book, which describes modern gene regulation in a simple way without too much chemistry or jargon. It cries out for mathematisation, which is really what is systems biology; the place to start there is Uri Alon's book. https://www.amazon.com/Problems-Biology-Opus-Books/dp/0192891987/ref=ed_oe_p https://www.amazon.com/Genetic-Switch-Phage-Lambda-Revisited/dp/0879697164 https://www.amazon.com/Introduction-Systems-Biology-Mathematical-Computational/dp/1584886420

🎞 Machine Learning at IAS As part of the 2017–18 Theoretical Machine Learning Lecture Series at IAS, Visiting Professor in the School of Mathematics Sanjeev Arora organized a public lecture series, which included talks by him and Richard Zemel, Visitor in the School and a Professor of Computer Science at the University of Toronto where he serves as Research Director of the Vector Institute of Artificial Intelligence, on "Machines: How Do They Learn and Where Are They Headed?"; Yann LeCun, Facebook’s chief artificial intelligence scientist and founder of the Facebook AI Research lab, on "How Could Machines Learn as Efficiently as Animals and Humans?"; and Christopher Manning, Thomas M. Siebel Professor in Machine Learning and Professor of Linguistics and of Computer Science at Stanford University, on "Deep Learning and Cognition." Find videos of the lectures below. https://www.ias.edu/ideas/machine-learning

🎞 Game Theory https://oyc.yale.edu/economics/econ-159 About the Course This course is an introduction to game theory and strategic thinking. Ideas such as dominance, backward induction, Nash equilibrium, evolutionary stability, commitment, credibility, asymmetric information, adverse selection, and signaling are discussed and applied to games played in class and to examples drawn from economics, politics, the movies, and elsewhere. Course Structure This Yale College course, taught on campus twice per week for 75 minutes, was recorded for Open Yale Courses in Fall 2007.