Evolving networks are more widely existed in real world than static networks, and studying their statistical characteristics is vital to recognize and explore them further. But for the networks with nodes preferential deletion, there are few researches due to the lack of effective methods. In this article, we propose an extended SPR (ESPR) for these preferential removal networks when discuss the essential statistics, especially the steady-state degree distribution. Comparing with continuum formalism that is often employed, this theory-supported method retains the actual topological structure and corresponding statistics of networks during evolving process. With two theorems, we demonstrate the effectiveness of ESPR in handling evolving networks with nodes non-uniform removal; moreover, it also be proved that the SPR is special case of ESPR. In other words, ESPR is an operative framework when deal with the degree distibution, and it even have potential to solve other statistics of evolving networks.


翻译:演化网络在现实世界中比静态网络更为普遍,研究其统计特性对于了解和深入探究其非常重要。但对于存在节点优先删除的网络,由于缺乏有效的方法,因此研究较少。在本文中,我们针对这种节点优先删除的网络提出了扩展SPR(ESPR)方法,在讨论网络的基本统计特性,特别是稳定状态的度分布时使用。与通常采用的连续体形式不同,这个基于理论支持的方法在演化过程中保留了实际的拓扑结构及其相应的统计特性。通过两个定理,我们证明了ESPR在处理演化网络中节点非均匀删除方面的效果,此外,还证明了SPR是ESPR的特殊情况。换句话说,ESPR是一个有效的框架,用于处理度分布,它甚至有潜力解决演化网络的其他统计特性。

0
下载
关闭预览

相关内容

【硬核书】树与网络上的概率,716页pdf
专知会员服务
71+阅读 · 2021年12月8日
专知会员服务
20+阅读 · 2021年8月1日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Flutter 组件: Autocomplete 自动填充 | 开发者说·DTalk
谷歌开发者
0+阅读 · 2022年10月28日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
19+阅读 · 2021年2月4日
Arxiv
24+阅读 · 2018年10月24日
VIP会员
相关VIP内容
【硬核书】树与网络上的概率,716页pdf
专知会员服务
71+阅读 · 2021年12月8日
专知会员服务
20+阅读 · 2021年8月1日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
相关资讯
Flutter 组件: Autocomplete 自动填充 | 开发者说·DTalk
谷歌开发者
0+阅读 · 2022年10月28日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员