Bayesiläinen stokastinen lohkomalli
Bayesiläinen stokastinen lohkomalli (Bayesian SBM) on periaatteellinen probabilistinen menetelmä yhteisöjen havaitsemiseksi verkoissa. Se käsittelee ryhmäjäsenyyttä piilevänä muuttujana ja käyttää Bayesiläistä päättelyä samanaikaisesti lohkorakenteen palauttamiseen ja yhteisöjen lukumäärän valitsemiseen, välttäen resoluutiorajojen harhaa, joka vaivaa modulaatiopohjaisia lähestymistapoja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Lähteet
- Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804. DOI: 10.1103/PhysRevE.89.012804 ↗
- Nowicki, K., & Snijders, T. A. B. (2001). Estimation and prediction for stochastic blockstructures. Journal of the American Statistical Association, 96(455), 1077–1087. DOI: 10.1198/016214501753208735 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Stochastic Block Model (Bayesian SBM). ScholarGate. https://scholargate.app/fi/network-analysis/bayesian-stochastic-block-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.
- Bayesiläinen sosiaalisten verkostojen analyysiVerkostoanalyysi↔ compare
- Yhteisöjen tunnistusVerkostoanalyysi↔ compare
- ModulaarianalyysiVerkostoanalyysi↔ compare
- Monikerinen stokastinen lohkomalliVerkostoanalyysi↔ compare
- Stochastic Block ModelVerkostoanalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →