Machine learningNetwork science

Model Dinàmic de Graf Aleatori Exponencial

El Model Dinàmic de Graf Aleatori Exponencial (TERGM / STERGM) estén el marc clàssic de l'ERGM a dades de xarxes de panell, modelant com els llaços d'una xarxa es formen i es dissolen al llarg del temps en funció de tendències estructurals, atributs nodals i l'estat passat de la pròpia xarxa. Proporciona una inferència estadísticament rigorosa sobre el canvi longitudinal de la xarxa.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Hanneke, S., Fu, W., & Xing, E. P. (2010). Discrete temporal models of social networks. Electronic Journal of Statistics, 4, 585–605. DOI: 10.1214/09-EJS548
  2. Krivitsky, P. N., & Handcock, M. S. (2014). A separable model for dynamic networks. Journal of the Royal Statistical Society: Series B, 76(1), 29–46. DOI: 10.1111/rssb.12014

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/ca/network-analysis/dynamic-exponential-random-graph-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateDynamic Exponential Random Graph Model (Dynamic Exponential Random Graph Model (Temporal ERGM)). Recuperat el 2026-06-15 de https://scholargate.app/ca/network-analysis/dynamic-exponential-random-graph-model · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026