مدل بیزی تصوری گراف تصادفی (Bayesian Exponential Random Graph Model)
مدل بیزی تصوری گراف تصادفی (Bayesian ERGM یا BERGM) چارچوب کلاسیک ERGM را با قرار دادن توزیعهای پیشین بر روی پارامترهای مدل و استفاده از روشهای مونت کارلو زنجیره مارکوف برای دستیابی به توزیعهای پسین کامل، گسترش میدهد. این مدل که توسط Caimo و Friel (2011) معرفی شد، به پژوهشگران اجازه میدهد تا عدم قطعیت پارامتر را کمّی کرده و دانش پیشین را هنگام مدلسازی ویژگیهای ساختاری شبکههای اجتماعی و سایر شبکههای پیچیده، لحاظ کنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Caimo, A., & Friel, N. (2011). Bayesian inference for exponential random graph models. Social Networks, 33(1), 41–55. DOI: 10.1016/j.socnet.2010.09.004 ↗
- Exponential random graph models. Wikipedia. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/fa/network-analysis/bayesian-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.
- تحلیل بیزی شبکههای اجتماعیتحلیل شبکه↔ compare
- Bayesian Stochastic Block Modelتحلیل شبکه↔ compare
- تحلیل مدولاریتیتحلیل شبکه↔ compare
- مدل بلوک تصادفیتحلیل شبکه↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →