Beiziešu temporālās tīklu analīzes
Beiziešu temporālās tīklu analīzes apvieno probabilitātisko Beiziešu inferenci ar laika secībā sakārtotiem relāciju datiem, lai modelētu tīklu struktūru attīstību, kvantificētu nenoteiktību ap strukturālajiem novērtējumiem un veiktu pamatotus prognozējumus par turpmākiem savienojamības modeļiem. Tā nodrošina ticamus intervālus uz malu varbūtībām un kopienu piešķiršanu, nevis tikai punktu novērtējumus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
- Peixoto, T. P. (2017). Nonparametric Bayesian inference of the microcanonical stochastic block model. Physical Review E, 95(1), 012317. DOI: 10.1103/PhysRevE.95.012317 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Inference for Temporal Network Analysis. ScholarGate. https://scholargate.app/lv/network-analysis/bayesian-temporal-network-analysis
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.
- Beiziešu nejaušo grafu modelis (Bayesian Exponential Random Graph Model)Tīklu analīze↔ compare
- Bayesiešu stohastiskais bloku modelisTīklu analīze↔ compare
- Daudzslāņu laika tīklu analīzeTīklu analīze↔ compare
- Laika tīklu analīzeTīklu analīze↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →