TSKS33 · Linköpings universitet
Komplexa nätverk och stora datamängder
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för systemteknik
Lärandemål
Efter avslutad kurs förväntas studenten:
- med adekvat terminologi, väl strukturerat och logiskt sammanhängande, kunna redogöra för och genomföra enklare beräkningar som relaterar till de specifika tekniska koncept som listas under "kursinnehåll".
- kunna beskriva, tillämpa, implementera i ett vedertaget programspråk, samt uppvisa ingenjörsmässig förståelse för den teori och de metoder som behandlas i kursen.
- kunna redovisa, på ett strukturerat sätt i muntlig form, arbete som utförts i datorlaborationer.
Kursinnehåll
Introduktion till komplexa nätverk och "network science". Grafrepresentationer av nätverk, grannmatris, gradsekvens och gradfördelning. "Walks", "paths" and "motifs" i nätverk. Laplace-operator och dess egenskaper. Nätverk med tecken, bipartita nätverk, affilieringsnätverk och tripartita nätverk. Likhetsmått och klustringsmetriker. Centralitetsmetriker, egenvektorscentralitet, Katz, PageRank, "hubs and authorities". Sampling på nätverk, slumpvandringar, "friendship paradoxes". Metriker för assortativitet, modularitet och gradkorrelationer. "Community detection" and partitionering: Kernighan-Lin, Girvan-Newman and spectral-algoritmer. Modeller för nätverksformation: Poisson-slumpnätverk, "configuration model", "preferential attachment", nätverk med "power-law" och "scale-free" egenskaper, "cutoffs". Watts-Strogatz-modellen, Kleinberg-modellen, världen-är-liten-fenomen, sökbarhet och nåbarhet. Kaskader, linjära tröskelmodellen, DeGroot-typ dynamiska modeller och diffusion. Introduktion till "graph learning" och graf-signalbehandling.
Förutsättningar
- Linjär algebra. Grundläggande kunskaper i sannolikhetslära/matematisk statistik. Färdigheter i programmering i Python och Matlab.
Litteratur
Complex networks : principles, methods and applications - Latora, Vito, Nicosia, Vincenzo, Russo, Giovanni
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis