Maximum-Entropy Networks / Squartini, Tiziano  

Público ISBD Ningún comentario para este registro. Título : Maximum-Entropy Networks : Pattern Detection, Network Reconstruction and Graph Combinatorics Tipo de documento: documento electrónico Autores: Squartini, Tiziano, ; Garlaschelli, Diego, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XII, 116 p. 34 ilustraciones, 31 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-69438-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Teoría de grafos  Física matemática  teoría del sistema  Dinámica  Teorías no lineales  Física Teórica  Matemática y Computacional  Sistemas complejos  Sistemas Dinámicos Aplicados Clasificación: 511.5 Resumen: Este libro es una introducción a los modelos de máxima entropía de gráficos aleatorios con propiedades topológicas determinadas y sus aplicaciones. Su contribución original es la reformulación de muchos problemas aparentemente diferentes en el estudio tanto de redes reales como de teoría de grafos dentro del marco unificado de máxima entropía. Se pone especial énfasis en la detección de patrones estructurales en redes reales, en la reconstrucción de las propiedades de las redes a partir de información parcial y en la enumeración y muestreo de gráficos con propiedades dadas. Después de un primer capítulo introductorio que explica la motivación, el enfoque, el objetivo y el mensaje del libro, el capítulo 2 introduce la construcción formal de conjuntos de gráficos de máxima entropía con restricciones topológicas locales. El Capítulo 3 se centra en el problema de la detección de patrones en redes reales y proporciona una manera poderosa de separar características estructurales no triviales de orden superior de aquellas que pueden rastrearse hasta restricciones locales más simples. El Capítulo 4 se centra en el problema de la reconstrucción de redes e introduce varias técnicas avanzadas para inferir de manera confiable la topología de una red a partir de información local parcial. El capítulo 5 está dedicado a la reformulación de ciertas operaciones combinatorias "duras", como la enumeración y el muestreo insesgado de gráficos con restricciones dadas, dentro de un marco de máxima entropía "suavizado". Un capítulo final ofrece varios comentarios generales y mensajes para llevar a casa. Al no requerir conocimientos previos de la teoría de redes, el libro se dirige a una amplia audiencia que va desde estudiantes de doctorado que abordan estos temas por primera vez hasta investigadores experimentados interesados ​​en la aplicación de técnicas avanzadas de redes en su campo. Nota de contenido: Introduction -- Maximum-entropy ensembles of graphs -- Constructing constrained graph ensembles: why and how? -- Comparing models obtained from different constraints -- Pattern detection -- Detecting assortativity and clustering -- Detecting dyadic motifs -- Detecting triadic motifs -- Some extensions to weighted networks -- Network reconstruction -- Reconstructing network properties from partial information -- The Enhanced Configuration Model -- Further reducing the observational requirements -- Graph combinatorics -- A dual route to combinatorics? -- 'Soft' combinatorial enumeration -- Quantifying ensemble (non)equivalence -- Breaking of equivalence between ensembles -- Implications of (non)equivalence for combinatorics -- "What then shall we choose?" Hardness or softness? -- Concluding remarks. Tipo de medio : Computadora Summary : This book is an introduction to maximum-entropy models of random graphs with given topological properties and their applications. Its original contribution is the reformulation of many seemingly different problems in the study of both real networks and graph theory within the unified framework of maximum entropy. Particular emphasis is put on the detection of structural patterns in real networks, on the reconstruction of the properties of networks from partial information, and on the enumeration and sampling of graphs with given properties.  After a first introductory chapter explaining the motivation, focus, aim and message of the book, chapter 2 introduces the formal construction of maximum-entropy ensembles of graphs with local topological constraints. Chapter 3 focuses on the problem of pattern detection in real networks and provides a powerful way to disentangle nontrivial higher-order structural features from those that can be traced back to simpler local constraints. Chapter 4 focuses on the problem of network reconstruction and introduces various advanced techniques to reliably infer the topology of a network from partial local information. Chapter 5 is devoted to the reformulation of certain "hard" combinatorial operations, such as the enumeration and unbiased sampling of graphs with given constraints, within a "softened" maximum-entropy framework. A final chapter offers various overarching remarks and take-home messages. By requiring no prior knowledge of network theory, the book targets a broad audience ranging from PhD students approaching these topics for the first time to senior researchers interested in the application of advanced network techniques to their field. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Maximum-Entropy Networks : Pattern Detection, Network Reconstruction and Graph Combinatorics [documento electrónico] / Squartini, Tiziano, ; Garlaschelli, Diego,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XII, 116 p. 34 ilustraciones, 31 ilustraciones en color. ISBN : 978-3-319-69438-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Teoría de grafos  Física matemática  teoría del sistema  Dinámica  Teorías no lineales  Física Teórica  Matemática y Computacional  Sistemas complejos  Sistemas Dinámicos Aplicados Clasificación: 511.5 Resumen: Este libro es una introducción a los modelos de máxima entropía de gráficos aleatorios con propiedades topológicas determinadas y sus aplicaciones. Su contribución original es la reformulación de muchos problemas aparentemente diferentes en el estudio tanto de redes reales como de teoría de grafos dentro del marco unificado de máxima entropía. Se pone especial énfasis en la detección de patrones estructurales en redes reales, en la reconstrucción de las propiedades de las redes a partir de información parcial y en la enumeración y muestreo de gráficos con propiedades dadas. Después de un primer capítulo introductorio que explica la motivación, el enfoque, el objetivo y el mensaje del libro, el capítulo 2 introduce la construcción formal de conjuntos de gráficos de máxima entropía con restricciones topológicas locales. El Capítulo 3 se centra en el problema de la detección de patrones en redes reales y proporciona una manera poderosa de separar características estructurales no triviales de orden superior de aquellas que pueden rastrearse hasta restricciones locales más simples. El Capítulo 4 se centra en el problema de la reconstrucción de redes e introduce varias técnicas avanzadas para inferir de manera confiable la topología de una red a partir de información local parcial. El capítulo 5 está dedicado a la reformulación de ciertas operaciones combinatorias "duras", como la enumeración y el muestreo insesgado de gráficos con restricciones dadas, dentro de un marco de máxima entropía "suavizado". Un capítulo final ofrece varios comentarios generales y mensajes para llevar a casa. Al no requerir conocimientos previos de la teoría de redes, el libro se dirige a una amplia audiencia que va desde estudiantes de doctorado que abordan estos temas por primera vez hasta investigadores experimentados interesados ​​en la aplicación de técnicas avanzadas de redes en su campo. Nota de contenido: Introduction -- Maximum-entropy ensembles of graphs -- Constructing constrained graph ensembles: why and how? -- Comparing models obtained from different constraints -- Pattern detection -- Detecting assortativity and clustering -- Detecting dyadic motifs -- Detecting triadic motifs -- Some extensions to weighted networks -- Network reconstruction -- Reconstructing network properties from partial information -- The Enhanced Configuration Model -- Further reducing the observational requirements -- Graph combinatorics -- A dual route to combinatorics? -- 'Soft' combinatorial enumeration -- Quantifying ensemble (non)equivalence -- Breaking of equivalence between ensembles -- Implications of (non)equivalence for combinatorics -- "What then shall we choose?" Hardness or softness? -- Concluding remarks. Tipo de medio : Computadora Summary : This book is an introduction to maximum-entropy models of random graphs with given topological properties and their applications. Its original contribution is the reformulation of many seemingly different problems in the study of both real networks and graph theory within the unified framework of maximum entropy. Particular emphasis is put on the detection of structural patterns in real networks, on the reconstruction of the properties of networks from partial information, and on the enumeration and sampling of graphs with given properties.  After a first introductory chapter explaining the motivation, focus, aim and message of the book, chapter 2 introduces the formal construction of maximum-entropy ensembles of graphs with local topological constraints. Chapter 3 focuses on the problem of pattern detection in real networks and provides a powerful way to disentangle nontrivial higher-order structural features from those that can be traced back to simpler local constraints. Chapter 4 focuses on the problem of network reconstruction and introduces various advanced techniques to reliably infer the topology of a network from partial local information. Chapter 5 is devoted to the reformulation of certain "hard" combinatorial operations, such as the enumeration and unbiased sampling of graphs with given constraints, within a "softened" maximum-entropy framework. A final chapter offers various overarching remarks and take-home messages. By requiring no prior knowledge of network theory, the book targets a broad audience ranging from PhD students approaching these topics for the first time to senior researchers interested in the application of advanced network techniques to their field. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200