.png){kind=icon}
返回
Ordinal Embedding for Network Estimation via Graphon
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2025.3596848.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多应用通常会记录同一组节点上的多个网络。在这些应用中，研究兴趣往往在于理解节点层面的交互行为差异以及跨网络的结构变异性。本文重点通过一种称为图极限对象（graphon function）的图极限对象，来估计节点层面的潜在网络结构。图极限对象通过节点对之间的交互概率来确定网络结构，而研究兴趣在于对其的估计。我们提出了一种两步图极限估计方法。首先，我们建立数据采样方案，允许通过序数嵌入实现对潜在节点位置的一致恢复。其次，我们展示了如何通过经典非参数回归技术（如级数估计）将估计的节点位置用于插值图极限估计。我们推导了所提出的插值级数图极限估计器基于真实节点位置对应的经典级数图极限估计器的收敛速率。模拟研究中的有限样本性能表明，相比现有方法，该方法具有显著改进。对蚂蚁动态接触网络和一组结构脑网络的应用，说明了我们方法的有效性。
Keyword:
Ordinal embedding
unlabeled network
graphon
network visualization
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容