ScholarGate
Assistent
Machine learningNetwork science

Gewogen temporele netwerkanalyse

Gewogen temporele netwerkanalyse bestudeert netwerken waarvan de verbindingen numerieke gewichten dragen – die interactiesterkte, frequentie of intensiteit vertegenwoordigen – en waarvan de structuur in de loop van de tijd verandert. Het combineert het tijdsvariërende perspectief van temporele netwerkanalyse met de kwantitatieve precisie van gewogen grafiekmetrieken, en onthult niet alleen wanneer verbindingen bestaan, maar ook hoe sterk ze op elk moment zijn.

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. Holme, P. & Saramaki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001
  2. Barrat, A., Barthelemy, M., Pastor-Satorras, R. & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752. DOI: 10.1073/pnas.0400087101

Deze pagina citeren

ScholarGate. (2026, June 3). Weighted Temporal Network Analysis (Time-Varying Weighted Graph Analysis). ScholarGate. https://scholargate.app/nl/network-analysis/weighted-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.

Compare side by side
ScholarGateWeighted Temporal Network Analysis (Weighted Temporal Network Analysis (Time-Varying Weighted Graph Analysis)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/network-analysis/weighted-temporal-network-analysis · Gegevensset: https://doi.org/10.5281/zenodo.20539026