新的复杂网络模型:算法和应用程序

一组元素之间的关系在一个复杂的系统通常与一个网络或一个图表示。虽然现在网络的研究是一个经典的话题在几个领域,从离散数学和计算机科学社会学和计算生物学,大部分的文献都集中在静态网络。然而,真正的网络发展,例如新关系可以建立或停止在社交网络。时序网络因此被引入的目的代表关系的动态离散变化随着时间的推移,填补网络科学之间的边境地区和时间序列分析。时序网络已经成功地应用于分析网络的性质和他们的进化在不同的上下文中,从流行,物流和运输的生物现象。

时间维度的引入到网络是提高新的具有挑战性的问题,对算法设计和网络科学分析。关系导致事实上的动力学改变网络的性质,例如,网络指标的直径和密度随时间变化的。这将导致新的问题深入了解复杂系统的演化。另一方面,引入时间网络需要设计新的算法为解决这些问题在这些新的网络表示。这些问题可以在静态网络的自然扩展问题(发现路径、生成树等)或新出现的问题在时序网络的背景下(改变点识别、颞图案等)。

局部问题都集中在应用程序的研究,寻求真正的时序网络的分析,导致一个有趣的见解的动力学相关的案例研究,理论研究,寻找新的工作,导致了算法设计和计算复杂度的分析中出现的问题的引入时间网络框架。

本文主题集合所寻求的论文实验工作或理论工作。实际工作提供真实的时序网络的分析,显示出有趣的属性,导致更好的理解复杂系统及其动力学。
不同模型的理论工作提供分析,理论分析他们的行为或提出新颖的算法和计算复杂度分析时序网络的问题。
主题包括(但不限于):
●找到子图的算法和计算复杂度
●在颞网络算法寻找模式
●时间路径
●在颞网络中心措施
●高阶结构时序网络
●分布式算法
●时间网络的模型
●图查询
●流时序网络
●组合优化使用深度学习和更一般的机器学习技术,在颞网络
●深度学习方法中找到模式时序网络
●时间知识图

关键字:时序网络挖掘,算法对时序图,时序网络分析技术,真正的时间网络分析,时间模式识别

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。