Machine learningNetwork science

Δυναμικό Μοντέλο Τυχαίων Γράφων Εκθετικής Μορφής

Το Δυναμικό Μοντέλο Τυχαίων Γράφων Εκθετικής Μορφής (TERGM / STERGM) επεκτείνει το κλασικό πλαίσιο ERGM σε δεδομένα δικτύων πίνακα, μοντελοποιώντας πώς οι δεσμοί ενός δικτύου σχηματίζονται και διαλύονται με την πάροδο του χρόνου ως συνάρτηση δομικών τάσεων, χαρακτηριστικών κόμβων και της προηγούμενης κατάστασης του ίδιου του δικτύου. Παρέχει στατιστικά τεκμηριωμένη εξαγωγή συμπερασμάτων σχετικά με τη διαχρονική αλλαγή του δικτύου.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/el/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)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/network-analysis/dynamic-exponential-random-graph-model · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026