背部

揭露隐藏的网络

2020年2月6日

雷诺lambiotte,应用萨默维尔研究员和导师在数学,数学的使用理解和在现实世界地图网, 从社会媒体到疫情。在这里,我介绍了他最近的突破,新的视角对哪些隐藏的网络世界。

雷诺Lambiotte教授

对于大多数我的数学生涯中,我一直在试图理解系统的内部结构如何 - 看作是成对的边缘连接的节点 - 影响它们的功能。然后我尝试提取信息的方法发展到大或社交网络通过脑检测,以确定社区团体或节点密集连接社区。

大约3年前,但我身上有一种知性中年危机的,如果你愿意。我开始怀疑多大的帮助,以及如何网络可以在研究人员的情况下使用他们时,他们的边缘不能被观察到。可以ESTA声音奇怪,但也有很多情况下,你会期望一个关系到对象之间存在,但我们不能直接观察到的一个。

取的时间序列在功能性磁共振成像(fMRI),气象,或在金融。在每种情况下,存在的对象之间的相关性,但我们只能看到他们的隐藏网络的作用,而不是网络本身。

在这个领域的标准方法是先推断底层的网络,然后才能申请网络揭开了系统的显着特征的方法。这两个步骤是不理想的原因很多,从缺乏优雅来计算的局限性。

我们的目标是,即使没有构建网络提供网络分析的结果。

在协作与研究人员从帝国学院,鲁汶天主教大学,和Spotify,我们能够制定一个终端到终端的算法,会做ESTA,跳过不必要的中间步骤。

我们把新的算法,测试使用的气候数据来自美国1429城市。 Köppen-盖格分类系统,它最初是在1884年创建的,在五个不同的类别看跌基于平均气温和降水量的城市。

我们发现我们的模型显示城市,其中温度和降水的变化,更多的细节同样用人造比科彭 - 盖格法的社区。你可以看到下面的两种方法的比较图中为自己的结果。

这是网络理论领域的显著概念的进步。我们的下一个目标将是推广这对于其他网络算法。

左起:美国城市的科彭 - 盖格ACCORDING方法的气候分类。右:基于雷诺的算法新的分类

通过继续使用该网站,您同意使用Cookie。 更多信息

本网站上的Cookie设置被设置为“允许Cookie”给你最好的浏览体验。如果你继续使用本网站而无需改变你的Cookie设置,或者您点击“接受”的,那么你同意这一点。