.png){kind=icon}
返回
Bayesian modelling and computation utilising directed cycles in multiple network data
.png){kind=icon}
OA
AI
DOI：10.1007/s11222-025-10810-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对多种网络数据进行建模对于解决广泛的实际研究问题至关重要。然而，在理论层面和计算层面都存在许多挑战需要解决。网络循环在许多应用中往往具有特殊意义；例如在生态学领域，一个尚未充分探索的领域是如何明确地将网络循环纳入推断框架。最近发展的球面网络模型族（SNF）提供了一种灵活的多种网络数据建模方法，允许任何类型的度量。这为制定以往不可能或难以考虑的网络属性模型开辟了可能性。在本文中，我们提出了一种新型网络距离度量，用于测量网络间的循环相似性，并将此度量纳入SNF模型，以允许明确捕捉循环信息的推断。这些网络基序在旨在理解竞争性和层级性相互作用的生态学研究中具有特殊意义。我们进一步提出了一种新型计算框架，以允许从中等规模不可解的SNF模型中进行后验推断。最后，我们将所得方法应用于一组生态网络数据，研究鱼类物种间的攻击性相互作用。我们展示了我们的模型能够就物种间的循环行为做出合理的推断，并超越那些不考虑此网络基序的模型所能提供的推断。
Keyword:
Doubly intractable distributions
Importance Sampling
Object data analysis
Relational data
期刊
S
IF:
1.6
论文数:
200
被引数:
0
机构
引用论文
Uncovering structural features that underlie coexistence in an invaded woody plant community with interaction networks at multiple life stages.png)
JOURNAL OF ECOLOGY
OAAI
JOURNAL OF ECOLOGYIF5.6
OAAI分享收藏分享收藏An efficient Markov chain Monte Carlo method for distributions with intractable normalising constantsBiometrikaOAAI
BiometrikaIF0
OAAI分享收藏
查看更多内容