Machine learningNetwork science

Ajallinen ominaisvektorikeskeisyys

Ajallinen ominaisvektorikeskeisyys laajentaa klassisen ominaisvektorikeskeisyyden verkkoihin, jotka muuttuvat ajan myötä. Yhteyksien järjestyksen ja ajoituksen huomioimalla se tunnistaa solmut, jotka ovat vaikuttavia eivätkä ainoastaan monien samanaikaisten yhteyksien vuoksi, vaan koska ne sijaitsevat useiden verkon aikaviipaleiden läpi kulkevien peräkkäin tärkeiden polkujen risteyskohdissa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  1. Grindrod, P., Parsons, M. C., Higham, D. J., & Estrada, E. (2011). Communicability across evolving networks. Physical Review E, 83(4), 046120. DOI: 10.1103/PhysRevE.83.046120
  2. Taylor, D., Myers, S. A., Clauset, A., Porter, M. A., & Mucha, P. J. (2017). Eigenvector-based centrality measures for temporal networks. Multiscale Modeling and Simulation, 15(1), 537-574. DOI: 10.1137/16M1066142

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks). ScholarGate. https://scholargate.app/fi/network-analysis/temporal-eigenvector-centrality

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

Tähän viittaavat

ScholarGateTemporal Eigenvector Centrality (Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/temporal-eigenvector-centrality · Aineisto: https://doi.org/10.5281/zenodo.20539026