Адрес e-mail:
Прошедшие события
Лекция о разработке методов для арктической медицины
Панельная онлайн-дискуссия на тему «Новая волна. Акселерация будущего»
Онлайн-собрание ректората и студенческого актива института
AI 2020: технологии, рынок и управление продуктами
Родительское собрание в МФТИ
Летняя онлайн-школа «Всероссийский навигатор абитуриентов МФТИ»
Фазли Атауллаханов: «Физика свертывания крови и COVID-19»
Юрий Яровиков: «Какая математика нужна в анализе данных?»
Михаил Бурцев — об экспериментах с Memory Transformer
Даниил Поляков: «Мощь Python на все случаи жизни»
Презентация магистерской программы «Биоинформатика» ФБМФ и Napoleon IT
Александр Львовский: «Квантовая революция как мировой технологический тренд»
Выпускной МФТИ 2020: онлайн-формат не отменяет праздник
Директор ФИАН Николай Колачевский: «Наука и технологии: путь в лидерство»
Онлайн-презентация кафедры космической физики ЛФИ
Сессия вопросов-ответов с биоинформатиком Антоном Буздиным
Презентация магистерской программы «Физика сверхпроводимости и квантовых материалов»
Презентация магистерской программы «Двумерные материалы: физика и технология наноструктур»
Презентация магистерской программы «Цифровые технологии в бизнесе»
Денис Дмитриев: «Особенности поступления и ответы на вопросы. Приемная кампания — 2020»

Лекция Нелли Литвак: «Average nearest neighbor degrees in scale-free networks»

опубликовано: 11.04.2017
Лекция Нелли Литвак: «Average nearest neighbor degrees in scale-free networks»
14 апреля в 18:30 в 115 КПМ в рамках Математического кружка Физтех-школы прикладной математики и информатики состоится лекция известного профессора математики из Университета Твенте (Нидерланды) и автора книги «Формула призвания» — Нелли Литвак.

Лекция: «Average nearest neighbor degrees in scale-free networks».

Abctarct

The average nearest neighbor degree (ANND) of a node of degree k, as a function of k, is often used to characterize dependencies between degrees of a node and its neighbors. If ANND is increasing (decreasing) in k, then the dependencies are positive (negative). We study the limiting behavior of the ANND in undirected random graphs with i.i.d. regularly varying degree sequences and arbitrary joint degree distribution of neighbor nodes. When degrees have a finite variance, we prove that ANND converges to a deterministic function. In particular, in the configuration model, where nodes are connected at random, this limit is, naturally, a constant. When degrees have infinite variance, we obtain that ANND in the configuration model scales as a positive power of the graph size, up to a slowly varying factor, and we prove the CLT for the ANND. The neutral wiring of the network is reflected in the fact that the limiting distribution is the same for each finite k. The CLT holds for the configuration model represented by a multi-graph, and for the erased configuration model, where self-loops and multiple edges are removed. Our asymptotic results imply that the ANND is uninformative in the infinite variance scenario. Therefore, we propose an alternative measure, the average nearest neighbor rank (ANNR) and prove its convergence to a deterministic function for networks, in which joint degree distributions have finite expectations. 

This is a joint work with Dong Yao and Pim van der Hoorn.

Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2020 Московский физико-технический институт (национальный исследовательский университет)

Противодействие коррупции | Сведения о доходах

Политика обработки персональных данных МФТИ

Техподдержка сайта | API

Использование новостных материалов сайта возможно только при наличии активной ссылки на https://mipt.ru

МФТИ в социальных сетях