Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > physics > arXiv:1512.00553

帮助 | 高级搜索

物理学 > 物理与社会

arXiv:1512.00553 (physics)
[提交于 2015年12月2日 ]

标题: 邻接矩阵系综平均中节点度的渐近行为

标题: Asymptotic behavior of the node degrees in the ensemble average of adjacency matrix

Authors:Yukio Hayashi
摘要: 用于表征拓扑网络结构的各种重要且有用的量或度量通常会针对一个网络进行研究,然后在样本上进行平均。 在本文中,我们提出了一种显式表示方法,即通过对增长网络样本的预先平均邻接矩阵,作为研究特征量的新通用框架。 它被应用于一些网络模型,并在渐近意义上显示出对度分布的良好逼近。 特别是,当度的时间过程是一个单调递增函数,如幂律或对数时,我们的方法可以通过数值计算来应用,而不是难以处理的理论分析。
摘要: Various important and useful quantities or measures that characterize the topological network structure are usually investigated for a network, then they are averaged over the samples. In this paper, we propose an explicit representation by the beforehand averaged adjacency matrix over samples of growing networks as a new general framework for investigating the characteristic quantities. It is applied to some network models, and shows a good approximation of degree distribution asymptotically. In particular, our approach will be applicable through the numerical calculations instead of intractable theoretical analysises, when the time-course of degree is a monotone increasing function like power-law or logarithm.
评论: 13页,7图
主题: 物理与社会 (physics.soc-ph) ; 社会与信息网络 (cs.SI); 适应性与自组织系统 (nlin.AO)
引用方式: arXiv:1512.00553 [physics.soc-ph]
  (或者 arXiv:1512.00553v1 [physics.soc-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.1512.00553
通过 DataCite 发表的 arXiv DOI
期刊参考: Network Science Vol.4(3), pp.385-399, Cambridge University Press, 2016
相关 DOI: https://doi.org/10.1017/nws.2016.10
链接到相关资源的 DOI

提交历史

来自: Yukio Hayashi [查看电子邮件]
[v1] 星期三, 2015 年 12 月 2 日 03:11:52 UTC (291 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
physics.soc-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2015-12
切换浏览方式为:
cs
cs.SI
nlin
nlin.AO
physics

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号