ScholarGate
Assistent
Process / pipeline

Netwerkdiffusiemodellen — SIR, SIS en Independent Cascade

Netwerkdiffusiemodellen zijn een familie van compartimentele en probabilistische raamwerken die simuleren hoe informatie, ziekte of innovatie zich verspreidt binnen een verbonden systeem. Geworteld in de mathematische epidemiologie van Kermack en McKendrick (1927), verdelen de SIR- en SIS-modellen knooppunten in toestanden en volgen ze overgangen die worden aangedreven door contactfrequenties en herstelkansen. De Independent Cascade- en Linear Threshold-modellen, geformaliseerd door Kempe, Kleinberg en Tardos (2003), breiden deze logica uit naar sociale invloed, waarbij wordt gemodelleerd hoe activering zich één buur tegelijk door een netwerk verspreidt.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  1. Kermack, W.O. & McKendrick, A.G. (1927). A Contribution to the Mathematical Theory of Epidemics. Proceedings of the Royal Society of London. Series A, 115(772), 700-721. DOI: 10.1098/rspa.1927.0118
  2. Kempe, D., Kleinberg, J., & Tardos, E. (2003). Maximizing the Spread of Influence through a Social Network. Proceedings of the Ninth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), 137-146. DOI: 10.1145/956750.956769

Deze pagina citeren

ScholarGate. (2026, June 1). Network Diffusion Models (SIR, SIS, Independent Cascade). ScholarGate. https://scholargate.app/nl/network-analysis/network-diffusion

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

Geciteerd door

ScholarGateNetwork Diffusion Models (Network Diffusion Models (SIR, SIS, Independent Cascade)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/network-analysis/network-diffusion · Gegevensset: https://doi.org/10.5281/zenodo.20539026