Társadalmi és gazdasági hálózatok modellezése
|
|
- Áron Szekeres
- 7 évvel ezelőtt
- Látták:
Átírás
1 Társadalmi és gazdasági hálózatok modellezése 2. el adás A hálózatkutatás néhány fontos fogalma El adó: London András szeptember 15.
2 Átmér l ij a legrövidebb út a hálózatban i és j pont között = max i,j l ij átmér : az összes legrövidebb út közül a legnagyobb ábra 1: mennyi egy N pontú kör és egy N pontú bináris fa átmér je?
3 Átlagos úthossz A legrövidebb úthosszak átlaga l = ( 1 n ) 2 i,j l ij Valós hálózatokban miért érdekes, milyen információt ad?
4 Fokszámeloszlás A = [a ij ] R n n G szomszédsági mátrixa: i pont foka: k i = n j=1 a ij Fokszámeloszlás: P(egy véletlenül választott pont foka k) Miért érdekes egy hálózat fokszámeloszlása? Milyen fokszámeloszlást követnek a valós hálózatok? kulcsfontosságú fogalom, a kés bbiekben részeltesen tárgyaljuk
5 Melyek a hálózat fontos pontjai? Struktúrális tulajdonság szempontjából, például magas fokszámú a központban van valamilyen dinamikus folyamat szempontjából fontos (pl. fert zés terjedés, véletlen bolyongás) = Centralitás Minél centrálisabb annál fontosabb, minél kevésbé centrális annál kevésbé fontos De hogyan mérjük a centralitást?
6 Fokszám centralitás Nagyobb fokszám fontosabb pont k i = n a j=1 ij; irányított: ki be = n a j=1 ji, ki ki = n a j=1 ij ábra 2: Be- és kifok centralitás.
7 ábra 3: Mennyi X és Y betweennes értéte? Betweenness (köztiség) centralitás Két pont milyen messze van egymástól, ha át kell menni egy kijelölt harmadik ponton BC(k) = i k j σ ij (k) σ ij, ahol σ ij a i és j közötti legrövidebb utak száma, σ ij (k) pedig azon legrövidebb i j utak száma, melyek átmennek k-n = Szorgalmi: gondolkozzunk egy O(nm) futási idej BC számító algoritmuson (m a gráf éleinek száma)
8 Closeness (közelség) centralitás Mennyire van a központban a pont átlagosan milyen hosszúak a pontból induló legröviebb utak a hálózat többi pontjába C(i) = n 1 i j l, ij ahol l ij az i és j közti legrövidebb út hossza. = Számolás: Floyd-Warshall algoritmus ábra 4: Mennyi X és Y closeness értéte?
9 Harmonikus centralitás Két probléma a closeness-szel: a valós hálózatok átmér je átalában kicsi a C(i) értékek sz k tartományban változnak nem összefügg hálózat esetén nem számolható Harmonikus centralitás C h (i) = 1 1, n 1 l ij j i ahol l ij =, ha nincs i j út.
10 Sajátérték centralitás Alapötlet: nem minden szomszéd egyforma súllyal számít a centralitás kiszámításánal Rekurzív formula: x (t+1) i = n j=1 w ij x (t) j Minél fontosabb a szomszéd, annál jobban járul hozzá az adott pont fontosságához Mátrix formában: Ax = λ 1 x, ahol λ 1 az A mátrixhoz tartozó legnagyobb sajátérték (ld. Perron-Frobenius tétel)
11 PageRank Mi a helyzet ha a gráf nem összefügg? = Véletlen szörföz, ld. Google keres motor 1 Rekurzió: PR(i) = 1 λ n + λ j N + (i) PR(j) k ki (j), ahol λ [0, 1] paraméter (ugró faktor), N + (i) az i pont be-szomszédsága 1 Brin & Page, Computer networks and ISDN systems,1998
12 HITS (Hyperlink Induced Topic Search) Kleinberg fejlesztette ki 2, az eredeti PageRank "nomított" változata A gráf pontjainak rangsorolásánál megkülönböztet ún. Hub, illetve Authority pontokat Jó Authority pont, amibe sok link mutat Jó Hub az, amib l sok link megy jó Authority pont felé 2 Kleiberg, Journal of the ACM,1999
13 HITS algoritmus Input G irányított gráf Output a pontok hub és authority értékei 1: Kezdetben minden pont értéke 1 2: repeat 3: for all hub i H do 4: h i = j F (i) a j {F (i): azon pontok, melyekb l megy él i-be} 5: end for 6: for all authority i A do 7: a i = j B(i) h j {B(i): azon pontok, melyekbe megy él i-b l} 8: end for 9: until konvergál 10: Normálás
14 Néhány ingyenes program Hálózat vizualizácó és elemzés Cytoscape (GUI) Gephi (GUI) igraph (R, C++, Python) Feladat: egy hálózat (pl. a Zachary-féle karate klub) pontjainak centralitásvizsgálata és vizualizáció. gondoljuk át mátrix egyenlet formában a PageRanket és HITS-et. További olvasnivaló Jackson könyv 2. fejezet
Komplex hálózatok: alapfogalmak, modellek, módszerek
Komplex hálózatok: alapfogalmak, modellek, módszerek London András, Németh Tamás 2015. április 13. Motiváció Alapfogalmak Centralitás mértékek Néhány gráfmodell Hálózatok mindenhol! ábra 1: Facebook kapcsolati
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 5. el adás Közösségszerkezet El adó: London András 2017. október 16. Közösségek hálózatban Homofília, asszortatívitás Newman modularitás Közösségek hálózatban
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus
RészletesebbenMultimédiás és webes adatbányászat KISS LÁSZLÓ
Multimédiás és webes adatbányászat KISS LÁSZLÓ Tartalom Webes keresések kezdete PageRank Alapok Számítása a valóságban Topic-Sensitive PageRank Trust Rank Egyéb algoritmusok HITS Google Panda Google Hummingbird
RészletesebbenAdatszerkezetek 2. Dr. Iványi Péter
Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat
RészletesebbenHogy keres a Google?
Hogy keres a Google? Kevei Péter SZTE Bolyai Intézet Kutatók Éjszakája 208. szeptember 28. WWW Könyvtár 25 milliárd (25 0 9 ) dokumentummal, és nincs könyvtáros (a Somogyi Könyvtárban 900 000, a Bolyai
RészletesebbenPageRank algoritmus Hubs and Authorities. Adatbányászat. Webbányászat PageRank, Hubs and Authorities. Szegedi Tudományegyetem.
Webbányászat PageRank, Szegedi Tudományegyetem Miért akarjuk rangsorolni a Weboldalakat? Mert tudásra szomjazunk Mert a Google-nak megéri. Pontosan hogy is? Mert állatorvost keresünk, pizzázni akarunk,
RészletesebbenBetekintés a komplex hálózatok világába
Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex
RészletesebbenHálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet
Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen
RészletesebbenGráfelméleti feladatok. c f
Gráfelméleti feladatok d e c f a b gráf, csúcsok, élek séta: a, b, c, d, e, c, a, b, f vonal: c, d, e, c, b, a út: f, b, a, e, d (walk, lanţ) (trail, lanţ simplu) (path, lanţ elementar) 1 irányított gráf,
RészletesebbenAlgoritmuselmélet 18. előadás
Algoritmuselmélet 18. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Május 7. ALGORITMUSELMÉLET 18. ELŐADÁS 1 Közelítő algoritmusok
RészletesebbenAlgoritmusok bonyolultsága
Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,
RészletesebbenÖsszefoglalás és gyakorlás
Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)
RészletesebbenGráf-algoritmusok ERŐS / GYENGE KÖTÉSEK
Gráf-algoritmusok ERŐS / GYENGE KÖTÉSEK Sapientia-EMTE 2017-18 http://www.cs.cornell.edu/home/kleinber/networks-book/ A gyenge kapcsolatok ereje The strength of weak ties (legidézettebb cikk) 1969 (American
RészletesebbenSzalai Péter. April 17, Szalai Péter April 17, / 36
Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási
RészletesebbenMatematika Plus 1 építőmérnök hallgatóknak
Matematika Plus építőmérnök hallgatóknak Simon Károly 27.4. 2 Tartalomjegyzék. I. előadás 5.. Kiegészítés az A2-ben tanultakhoz: Determináns....... 5... Elemi sor transzformációk hatása a determinánsra:.
RészletesebbenSaj at ert ek-probl em ak febru ar 26.
Sajátérték-problémák 2018. február 26. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen, nem zérus vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre
RészletesebbenA hazai elszámolásforgalom hálózati elemzése
A hazai elszámolásforgalom hálózati elemzése Révkomárom, 2013. január 23. Pál Zsolt egyetemi tanársegéd Miskolci Egyetem Gazdaságtudományi Kar A kutatás előzményei, háttere Hálózatelmélet - szabályos gráfok
RészletesebbenPélda Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
Részletesebben22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenSzociális hálózatok Gráf alapú módszerek. Adatbányászat. Klaszterezés Szociális hálózatok. Szegedi Tudományegyetem. Adatbányászat
Klaszterezés Szegedi Tudományegyetem Élei lehetnek címkézettek (pl. ellenség, barát), továbbá súlyozottak (pl. telefonbeszélgetés) Megjelenési formái Ismeretségi, társszerzőségi gráf (Erdős-Bacon szám)
RészletesebbenBonyolultságelmélet. Monday 26 th September, 2016, 18:50
Bonyolultságelmélet Monday 26 th September, 2016, 18:50 A kiszámítás modelljei 2 De milyen architektúrán polinom? A kiszámításnak számos (matematikai) modellje létezik: Általános rekurzív függvények λ-kalkulus
RészletesebbenNem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel p. 1/29. Ábele-Nagy Kristóf BCE, ELTE
Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel Ábele-Nagy Kristóf BCE, ELTE Bozóki Sándor BCE, MTA SZTAKI 2010. november 4. Nem teljesen kitöltött páros
RészletesebbenDinamikus modellek szerkezete, SDG modellek
Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.
RészletesebbenSzociális hálók klaszterezése
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR Besenyei Andrea Matematika BSc. Matematikai elemző szakirány Szociális hálók klaszterezése Szakdolgozat Témavezető: Dr. Kósa Balázs Információs Rendszerek
Részletesebben.Kapcsolatok. Már egy jó ideje motorkerékpárt szeretnék vásárolni, Miel tt döntésképtelenségem miatt kétségbe esnék, mint információforrások
.HALÁCSY PÉTER..Kapcsolatok. mint információforrások Már egy jó ideje motorkerékpárt szeretnék vásárolni, de fogalmam sincs, hogy hol és milyet vegyek, nem értek a motorokhoz. Természetesen el ször megpróbáltam
RészletesebbenLineáris algebra Gyakorló feladatok
Lineáris algebra Gyakorló feladatok. október.. Feladat: Határozzuk meg a, 4b, c és a b c vektorokat, ha a = (; ; ; ; b = (; ; ; ; c = ( ; ; ; ;.. Feladat: Határozzuk meg a, 4b, a, c és a b; c + b kifejezések
RészletesebbenGráfalgoritmusok ismétlés ősz
Gráfalgoritmusok ismétlés 2017. ősz Gráfok ábrázolása Egy G = (V, E) gráf ábrázolására alapvetően két módszert szoktak használni: szomszédsági listákat, illetve szomszédsági mátrixot. A G = (V, E) gráf
RészletesebbenGráfelmélet/Diszkrét Matematika MSc hallgatók számára. 13. Előadás
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára 13. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2009. december 7. Gráfok sajátértékei Definíció. Egy G egyszerű gráf sajátértékei az A G
RészletesebbenGráfelméleti alapfogalmak
1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont
RészletesebbenKözösség detektálás gráfokban
Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a
RészletesebbenA Barabási-Albert-féle gráfmodell
A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.
RészletesebbenGráf-algoritmusok Legrövidebb utak
https://www.cs.princeton.edu/~rs/algsds07/15shortestpaths.pdf Gráf-algoritmusok Legrövidebb utak Sapientia-EMTE 2017-18 Typesetting in TeX Két pont között, akkor van él, ha közéjük 1 2 3 4 eső szó szekvencia
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
RészletesebbenMarkov-láncok stacionárius eloszlása
Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius
RészletesebbenAlgoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.
Algoritmuselmélet Legrövidebb utak, Bellmann-Ford, Dijkstra Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 3. előadás Katona Gyula Y. (BME
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. A szakirány 11. előadás Ligeti Péter turul@cs.elte.hu www.cs.elte.hu/ turul Nagy hálózatok Nagy hálózatok jellemzése Internet, kapcsolati hálók, biológiai hálózatok,... globális
RészletesebbenNeumann János Tehetséggondozó Program Gráfalgoritmusok II.
Neumann János Tehetséggondozó Program Gráfalgoritmusok II. Horváth Gyula horvath@inf.elte.hu 1. A szélességi bejárás alkalmazásai. Nyilvánvaló, hogy S(0) = {r}. Jelölés: D(p) = δ(r, p) Nyilvánvaló, hogy
Részletesebben26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma
RészletesebbenPélda Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
RészletesebbenEdényrendezés. Futási idő: Tegyük fel, hogy m = n, ekkor: legjobb eset Θ(n), legrosszabb eset Θ(n 2 ), átlagos eset Θ(n).
Edényrendezés Tegyük fel, hogy a rendezendő H = {a 1,...,a n } halmaz elemei a [0,1) intervallumba eső valós számok. Vegyünk m db vödröt, V [0],...,V [m 1] és osszuk szét a rendezendő halmaz elemeit a
RészletesebbenÚj eredmények a nem teljesen kitöltött páros összehasonlítás mátrixok témájában (2. rész)
Új eredmények a nem teljesen kitöltött páros összehasonlítás mátrixok témájában (2. rész) A módszertan alkalmazása a 2010-es sakkolimpia eredményeire Csató László laszlo.csato@uni-corvinus.hu Budapesti
RészletesebbenSzinguláris érték felbontás Singular Value Decomposition
Szinguláris érték felbontás Singular Value Decomposition Borbély Gábor 7. április... Tétel (teljes SVD. Legyen A C m n mátrix (valósra is jó, ekkor léteznek U C m m és V C n n unitér mátrixok (valósban
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 6. előadás: Vektor- és mátrixnormák Lócsi Levente ELTE IK 2013. október 14. Tartalomjegyzék 1 Vektornormák 2 Mátrixnormák 3 Természetes mátrixnormák, avagy indukált normák 4 Mátrixnormák
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 9. előadás: Paraméteres iterációk, relaxációs módszerek Lócsi Levente ELTE IK Tartalomjegyzék 1 A Richardson-iteráció 2 Relaxált Jacobi-iteráció 3 Relaxált Gauss Seidel-iteráció
RészletesebbenDinamikus programozás vagy Oszd meg, és uralkodj!
Dinamikus programozás Oszd meg, és uralkodj! Mohó stratégia Melyiket válasszuk? Dinamikus programozás vagy Oszd meg, és uralkodj! Háromszögfeladat rekurzívan: c nj := a nj ha 1 j n c ij := a ij + max{c
RészletesebbenKirály Zoltán, Kondé Zoltán, Kovács Antal, Lévai Annamária 2006
A Network-Elemzés - és felhasználása általános iskolai osztályok társas szerkezetének és a szerveződésért felelős személyes tulajdonságok feltárására Király Zoltán, Kondé Zoltán, Kovács Antal, Lévai Annamária
RészletesebbenZsidók, tudomány és hálózatok?
Zsidók, tudomány és hálózatok? Bevezető gondolatok és alapfogalmak Biró Tamás OR-ZSE Hálózatkutatás a Zsidó Tanulmányokban kutatócsoport 2018. 12. 19. Hálózatok mindenhol Például: emberek alkotta társadalmi
Részletesebben1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007
Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii
RészletesebbenRekurzív sorozatok oszthatósága
Debreceni Egyetem Természettudományi Kar Matematikai Intézet Szakdolgozat Rekurzív sorozatok oszthatósága készítette: Barta Attila Matematika BSc szakos hallgató témavezet : Dr Tengely Szabolcs egyetemi
RészletesebbenHálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék
Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Maximális folyam 7 7 9 3 2 7 source 8 4 7 sink 7 2 9 7 5 7 6 Maximális folyam feladat Adott [N, A] digráf (irányított
RészletesebbenMatematika Plus 1 építőmérnök hallgatóknak
Matematika Plus építőmérnök hallgatóknak Simon Károly.5. Tartalomjegyzék. I. előadás 3.. Kiegészítés az A-ben tanultakhoz: Determináns....... 3... Elemi sor transzformációk hatása a determinánsra:. 5...
RészletesebbenDinamikus programozás II.
Dinamikus programozás II. Dinamikus programozás stratégiája A dinamikus programozás stratégiája 1. Az [optimális] megoldás szerkezetének tanulmányozása. 2. Részproblémákra és összetevőkre bontás úgy, hogy:
RészletesebbenVéletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.
Véletlen gráfok Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet agnes@cs.elte.hu 2015. december 2. Nagy hálózatok Példák valós hálózatokra társadalmi hálózatok
RészletesebbenA fehérjehálózatok vizsgálatának matematikai módszereiről. ELTE Matematikai Intézet Protein Információs Technológia Csoport & URATIM Kft.
A fehérjehálózatok vizsgálatának matematikai módszereiről Grolmusz Vince Köszönet: Iván Gábor ELTE Matematikai Intézet Protein Információs Technológia Csoport & URATIM Kft. Néhány vélemény szerint: A jelenlegi
RészletesebbenAdatszerkezetek II. 1. előadás
Adatszerkezetek II. 1. előadás Gráfok A gráf fogalma: Gráf(P,E): P pontok (csúcsok) és E P P élek halmaza Fogalmak: Irányított gráf : (p 1,p 2 ) E-ből nem következik, hogy (p 2,p 1 ) E Irányítatlan gráf
RészletesebbenProgramozási módszertan. Mohó algoritmusok
PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás
RészletesebbenEötvös Loránd Tudományegyetem Természettudományi Kar. Maros Alexandra. PerronFrobenius tételkör és alkalmazásai. Matematika BSc szakdolgozat
Eötvös Loránd Tudományegyetem Természettudományi Kar Maros Alexandra PerronFrobenius tételkör és alkalmazásai Matematika BSc szakdolgozat Témavezet : Kunszenti-Kovács Dávid Alkalmazott Analízis és Számításmatematikai
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
RészletesebbenAlgoritmuselmélet 2. előadás
Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés
RészletesebbenHierarchikus skálafüggetlen gráfok generálása fraktálokkal
Hierarchikus skálafüggetlen gráfok generálása fraktálokkal Komjáthy Júlia Simon Károly Sztochasztika Tanszék Matematika Intézet Budapesti Műszaki és Gazdaságtudományi Egyetem www.math.bme.hu/~komyju www.math.bme.hu/~simonk
RészletesebbenVéletlenszám generátorok és tesztelésük. Tossenberger Tamás
Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél
RészletesebbenBiológiai rendszerek modellellenőrzése bayesi megközelítésben
Biológiai rendszerek modellellenőrzése bayesi megközelítésben Gál Tamás Zoltán Szoftver verifikáció és validáció kiselőadás, 2013. ősz Forrás: Sumit K. Jha et al.: A Bayesian Approach to Model Checking
Részletesebben6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján
Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei
RészletesebbenAlgoritmuselmélet 1. előadás
Algoritmuselmélet 1. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 11. ALGORITMUSELMÉLET 1. ELŐADÁS 1 Források
RészletesebbenRendszerbiológia hálózati medicina
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Rendszerbiológia hálózati medicina Dr. Hullám Gábor Rendszerbiológia Egyes entitások (pl.gének, fehérjék)
RészletesebbenKovács Zsó a Matematika Bsc Matematikai elemz szakirány
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR Mátrixok és hálózati keresés Szakdolgozat Kovács Zsó a Matematika Bsc Matematikai elemz szakirány Témavezet : Ágoston István egyetemi docens Algebra
RészletesebbenGauss-Seidel iteráció
Közelítő és szimbolikus számítások 5. gyakorlat Iterációs módszerek: Jacobi és Gauss-Seidel iteráció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 ITERÁCIÓS
RészletesebbenGROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.
ELTE, MSc II. 2011.dec.15. Áttekintés Feladat Algoritmus Kvantum keresési algoritmus áttekintése Input: N = 2 n elemű tömb, Ψ 1 = 0 1 kezdőállapot, f x0 (x) orákulum függvény. Output: x 0 keresett elem
RészletesebbenAlgoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.
Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenI. VEKTOROK, MÁTRIXOK
217/18 1 félév I VEKTOROK, MÁTRIXOK I1 I2 Vektorok 1 A síkon derékszögű koordinátarendszerben minden v vektornak van vízszintes és van függőleges koordinátája, ezeket sorrendben v 1 és v 2 jelöli A v síkbeli
RészletesebbenBevezetés az algebrába 2 Vektor- és mátrixnorma
Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.
RészletesebbenA MATEMATIKA NÉHÁNY KIHÍVÁSA
A MATEMATIKA NÉHÁNY KIHÍVÁSA NAPJAINKBAN Simon L. Péter ELTE, Matematikai Intézet Alkalmazott Analízis és Számításmatematikai Tsz. 1 / 20 MATEMATIKA AZ ÉLET KÜLÖNBÖZŐ TERÜLETEIN Kaotikus sorozatok és differenciálegyenletek,
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
RészletesebbenÉrdekes informatika feladatok
A keres,kkel és adatbázissal ellátott lengyel honlap számos díjat kapott: Spirit of Delphi '98, Delphi Community Award, Poland on the Internet, Golden Bagel Award stb. Az itt megtalálható komponenseket
RészletesebbenEgészségügyi informatika és biostatisztika
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Egészségügyi informatika és biostatisztika Rendszerbiológia hálózati medicina Hullám Gábor Tankönyv: Antal
RészletesebbenKözösségek keresése nagy gráfokban
Közösségek keresése nagy gráfokban Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2011. április 14. Katona Gyula Y. (BME SZIT) Közösségek
RészletesebbenBevezete s a ha ló zatók vila ga ba
Bevezete s a ha ló zatók vila ga ba Bevezetés Kezdjük egy játékkal! Képzeletünkben kalandozzunk el és válasszunk egy tetszőleges országot a világon, annak tetszőleges települését és egy ott élő tetszőleges
RészletesebbenAlgoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.
Algoritmuselmélet Bonyolultságelmélet Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenAlgoritmusok és adatszerkezetek gyakorlat 03 Oszd meg és uralkodj. Nagy
Algoritmusok és adatszerkezetek gyakorlat 03 Oszd meg és uralkodj Divide & Conquer (,,Oszd meg és uralkodj ) paradigma Divide: Osszuk fel az adott problémát kisebb problémákra. Conquer: Oldjuk meg a kisebb
RészletesebbenFelvételi tematika INFORMATIKA
Felvételi tematika INFORMATIKA 2016 FEJEZETEK 1. Természetes számok feldolgozása számjegyenként. 2. Számsorozatok feldolgozása elemenként. Egydimenziós tömbök. 3. Mátrixok feldolgozása elemenként/soronként/oszloponként.
Részletesebben2. Visszalépéses stratégia
2. Visszalépéses stratégia A visszalépéses keres rendszer olyan KR, amely globális munkaterülete: út a startcsúcsból az aktuális csúcsba (ezen kívül a még ki nem próbált élek nyilvántartása) keresés szabályai:
RészletesebbenSzámítógép hálózatok, osztott rendszerek 2009
Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc
RészletesebbenForgalmi modellezés BMEKOKUM209
BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése
RészletesebbenRHadoop. Kocsis Imre Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
RHadoop Kocsis Imre ikocsis@mit.bme.hu Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Házi feladat Csapatépítés o 2 fő, tetszőleges kombinációkban http://goo.gl/m8yzwq
RészletesebbenVéletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10.
2. rész 2012. december 10. Határeloszlás tételek a bolyongás funkcionáljaira 1 A bolygó pont helyzete: EX i = 0, D 2 X i = EX 2 = 1 miatt i ES n = 0, D 2 S n = n, és a centrális határeloszlás tétel (CHT)
RészletesebbenGráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor
Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2
RészletesebbenSpecifikáció. B logikai formula, a bemeneti feltétel, K logikai formula, a kimeneti feltétel, A az algoritmus, amelyre az állítás vonatkozik.
Algoritmus Az algoritmus olyan elemi műveletekből kompozíciós szabályok szerint felépített összetett művelet, amelyet megadott feltételt teljesítő bemeneti adatra végrehajtva, a megkívánt kimeneti adatot
Részletesebben2. Visszalépéses keresés
2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel
RészletesebbenEuler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3
Síkgráfok Kuratowski-tétel: egy gráf akkor és csak akkor síkba rajzolható gráf, ha nincs olyan részgráfja, ami a K 5 -el, vagy a K 3,3 -altopologikusan izomorf (homeomorf). Euler síkgráfokra vonatkozó
RészletesebbenHajder Levente 2018/2019. II. félév
Hajder Levente hajder@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2018/2019. II. félév Tartalom 1 2 Törtvonal Felületi folytonosságok B-spline Spline variánsok Felosztott (subdivision) görbék
RészletesebbenShor kvantum-algoritmusa diszkrét logaritmusra
Ivanyos Gábor MTA SZTAKI Debrecen, 20 január 2. Tartalom és kvantum-áramkörök 2 A diszkrét log probléma Kvantum bit Állapot: a B = C 2 komplex euklideszi tér egy egységvektora: az a 0 + b szuperpozíció
RészletesebbenFeladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
RészletesebbenAgygráfok gráfelméleti analízise
Eötvös Loránd Tudományegyetem Természettudományi kar Agygráfok gráfelméleti analízise Szakdolgozat Írta: Gimes Balázs Alkalmazott matematikus MSc Számítástudomány szakirány Témavezet : Grolmusz Vince egyetemi
RészletesebbenALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára. 6. Előadás
ALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára 6. Előadás Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor 2011. március 8. 1. További példák Példa. Legyen L = 3-SZÍNEZHETŐSÉG = { G
RészletesebbenHidraulikus hálózatok robusztusságának növelése
Dr. Dulovics Dezső Junior Szimpózium 2018. Hidraulikus hálózatok robusztusságának növelése Előadó: Huzsvár Tamás MSc. Képzés, II. évfolyam Témavezető: Wéber Richárd, Dr. Hős Csaba www.hds.bme.hu Az előadás
RészletesebbenNemlineáris jelenségek és Kao2kus rendszerek vizsgálata MATHEMATICA segítségével. Előadás: 10-12 Szerda, 215 Labor: 16-18, Szerda, 215
Nemlineáris jelenségek és Kao2kus rendszerek vizsgálata MATHEMATICA segítségével Előadás: 10-12 Szerda, 215 Labor: 16-18, Szerda, 215 Célok: Ismerkedés a kao2kus dinamikával és ennek tanulmányozása. A
Részletesebben