A Barabási-Albert-féle gráfmodell
|
|
- Kinga Szilágyi
- 8 évvel ezelőtt
- Látták:
Átírás
1 A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András
2 Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb. Különböző modellek: Erdős-Rényi modell Watts-Strogatz modell Barabási-féle webgráf
3 Valós gráfok jellemzői Smallworld tulajdonság rövid átlagos úthossz Általában a csúcsok számában logaritmikus Magas klaszterezettség (clustering) Globális: zárt hármasok (tripletek) száma Lokális: csúcs szomszédjai közt futó élek és lehetséges élek aránya Megfelelő fokszámeloszlás
4 Erdős-Rényi modell Két különböző konstrukciót is jelöl: G(n, p) modell: n pont, minden él p valószínűséggel egymástól függetlenül G(n, M) modell: minden n pontú, M élű gráf azonos valószínűséggel
5 Erdős-Rényi modell G(n, p) modell Élek várható száma: G(n, M) modell Élek száma: pontosan M Egy adott e élű gráf valószínűsége: Minden M élű gráf valószínűsége: Élek egymástól függetlenek Élek egymástól nem függetlenek
6 Erdős-Rényi modell Néhány példa összetettebb tulajdonságra: Ha n p<1, akkor majdnem biztosan minden komponens mérete O(logn) alatt marad Ha a gráfban izolált pont Ha biztosan összefüggő lesz, akkor majdnem biztosan lesz, akkor a gráf majdnem
7 Erdős-Rényi modell Határ (threshold): Azt mondjuk, hogy egy p 0 =p 0 (n) függvény határ egy T tulajdonságra, ha p=p(n) esetén P(T) 0, ha p/p 0 0 P(T) 1, ha p/p 0 Például T= a gráf tartalmaz kört p 0 (n)=1/n határ T= a gráf összefüggő p 0 (n)=ln(n)/n határ
8 Erdős-Rényi modell Monoton tulajdonságok: Egy T gráftulajdonság monoton, ha olyan G(V, E 1 ) és G (V, E 2 ) gráfra, amelyre E 1 E 2, fennáll a következő: T teljesül G-re T teljesül G -re Tétel (Bollobás & Thomason): Ha T nemtriviális monoton gráftulajdonság, akkor létezik p 0 (n) határ a G(n, p) gráfokra.
9 Watts-Strogatz modell Kiindulási állapot: körgyűrű (ring lattice) Minden csúcs mindkét irányban a K/2 legközelebbi szomszédjával összekötve Majd: Minden él nagyobb sorszámú végpontját b valószínűséggel cseréljük Azonos valószínűséggel választunk azon végpontok között, melyekkel a gráf egyszerű marad
10 Watts-Strogatz modell Small-world tulajdonság Átlagos úthossz: b = 0 -ra: b 1 esetben: Klaszterezettség (clustering) b = 0 -ra: b 1 esetben:
11 Korlátozott véletlengráf folyamatok Restricted random graph process -ek Rucinski & Wormald: Egyenletes választás azon élek közül, amelyekkel a fokszám d alatt marad Erdős, Suen & Winkler: Egyenletes választás azon élek közül, amelyekkel nem keletkezik háromszög
12 Fokszámeloszlások Erdős-Rényi: Binomiális (Poisson) Watts-Strogatz: δ K / binomiális
13 Fokszámeloszlások Valós példákban: Csomópontok (hub-ok) Nagyon sok levél, kis fokszámú csúcs Néhány példa: Internet (webgráf) Hivatkozási gráf tudományos cikkeknél Szociális hálók (pl. filmszínészek) Nyugat-USA elektromos hálózata
14 Fokszámeloszlások Hatványeloszlás Legyen γ>1 valós szám. Annak a valószínűsége, hogy egy csúcs foka k: Tehát egy megfelelő c konstansra:
15 Fokszámeloszlások Példa kitevők: Internet (webgráf): γ 2.1 Hivatkozási gráf: γ 3 Filmszínészek: γ 2.3 Elektromos hálózat: γ 4
16 Barabási-Albert féle gráfmodell Két alapgondolat Folyamatos növekedés A folyamatnak nincs egy kitüntetett végállapota, újabb és újabb csúcsokat adunk a gráfhoz Preferenciális kapcsolódás (preferential attachment) Az új csúcsot annál nagyobb valószínűséggel kötjük egy régi v csúcshoz, minél nagyobb v fokszáma
17 Barabási-Albert féle gráfmodell Kiindulási állapot: Kezdeti véletlen gráf m 0 csúccsal Folyamatosan újabb csúcsok keletkeznek Az új csúcsot megjelenésekor összekötjük m darab, már jelenlévő csúccsal. Ha az i-edik csúcs fokszáma k i, akkor annak a valószínűsége, hogy összekötjük vele:
18 Barabási-Albert féle gráfmodell Skálafüggetlenség A modell során a fokszámeloszlás nem változik meg az idő múlásával 0,018 0,016 0,014 0,012 0,01 0,008 0, ,004 0,
19 Barabási-Albert féle gráfmodell Skálafüggetlenség A modell során a fokszámeloszlás nem változik meg az idő múlásával 1,2 1 0,8 0,6 0, ,
20 Barabási-Albert féle gráfmodell Tulajdonságai: Átlagos úthossz: Klaszterezettség: Robusztusság (a hubok egyaránt erősségek és gyengeségek)
21 Barabási-Albert féle gráfmodell Az alapösszetevők nélkül Növekedés nélkül: Egy idő után elveszti a skálafüggetlen tulajdonságát, végül teljes gráf lesz Preferenciális kapcsolódás nélkül: Azonos valószínűséggel minden csúcshoz
22 Barabási-Albert féle gráfmodell Egyéb kiegészítések Csúcsok törlése időnként A modellben jelenleg lineáris preferenciát használtunk, és az ezzel kapott eloszlás: Így ha γ 3, akkor a modellen módosítani kell!
23 Valós gráfpéldák 0,4 0,35 0,3 Asztrofizika kollaborációs gráf hálózat Wikipedia szerkesztői hálózat 0,25 0,2 Astrophysics Wiki 0,15 0,1 0,
24 Valós gráfpéldák 0,6 Amazon termékek kapcsolatai Pennsylvania közlekedési térképe 0,5 0,4 0,3 Amazon Pennsylvania 0,2 0,
25 Források Barabási, Albert-László, and Réka Albert. "Emergence of scaling in random networks." science (1999): Janson, Svante, Tomasz Luczak, and Andrzej Rucinski. Random graphs. Vol. 45. John Wiley & Sons, Barabási, Albert-László, Réka Albert, and Hawoong Jeong. "Mean-field theory for scale-free random networks." Physica A: Statistical Mechanics and its Applications (1999): Barabási, Albert-László, Réka Albert, and Hawoong Jeong. "Scale-free characteristics of random networks: the topology of the world-wide web." Physica A: Statistical Mechanics and its Applications (2000): Hein, Dipl-Inform Oliver, Dipl-Wirtsch-Ing Michael Schwind, and Wolfgang König. "Scale-free networks." Wirtschaftsinformatik 48.4 (2006): Wikipedia szócikkek (Erdős Rényi model, Watts and Strogatz model, Barabási Albert model, Scale-free network, Preferential attachment, Clustering coefficient)
26 A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András
Véletlen gráfok, hálózatok
Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Csirik András 2018.04.25 Erdős-Rényi modell Watts-Strogatz modell Barabási-Albert modell Hálózatok a mindennapokban Hálózatok a világ minden területén
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
Hálózatok 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
Betekintés 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
Csima Judit BME, SZIT február 18.
1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2011. február 18. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell:
Társadalmi 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
Véletlen 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
Hierarchikus 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
Csima Judit BME, SZIT február 17.
1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2010. február 17. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell: Erdős-Rényi véletlen-gráf modell definíció jellemzői
Szalai 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
Összefoglalás 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)
Társadalmi 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
Doktori disszertáció. szerkezete
Doktori disszertáció tézisfüzet Komplex hálózatok szerkezete Szabó Gábor Témavezető Dr. Kertész János Elméleti Fizika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2005 Bevezetés A tudományos
Bevezete s a ha ló zatók vila ga ba II.
Bevezete s a ha ló zatók vila ga ba II. Véletlen hálózatok Szervezzünk partit! Körülbelül 100 vendéget hívunk meg. A vendégek kezdetben nem ismerik egymást. Kínáljuk őket sajttal és borral, biztosítva
Diszkrét 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
Szociális hálózatok geográfiai beágyazódása
Eötvös Loránd Tudományegyetem Természettudományi Kar Szociális hálózatok geográfiai beágyazódása Szakdolgozat Készítette: Fejes Ágota Matematika BSc, Matematikai elemző szakirány Témavezető: Lukács András
A 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
A 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,
Lokális tulajdonságok véletlen. Nagy Gábor
Eötvös Loránd Tudományegyetem Természettudományi Kar Lokális tulajdonságok véletlen gráfokban Szakdolgozat Nagy Gábor Matematika BSc Alkalmazott matematikus szakirány Témavezető: Backhausz Ágnes tanársegéd
Zsidók, 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
SzA II. gyakorlat, szeptember 18.
SzA II. gyakorlat, 015. szeptember 18. Barátkozás a gráfokkal Drótos Márton drotos@cs.bme.hu 1. Az előre megszámozott (címkézett) n darab pont közé hányféleképp húzhatunk be éleket úgy, hogy egyszerű gráfhoz
Statisztikai 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
Pál Judit - Vörös András. Budapesti Corvinus Egyetem. Kapcsolatháló- és Oktatáskutató Központ. 2011. március 1.
Pál Judit - Vörös András Budapesti Corvinus Egyetem Kapcsolatháló- és Oktatáskutató Központ 2011. március 1. Definíció: A kapcsolatháló-elemzés az egyének viselkedését tanulmányozza mikro szinten, és az
Közösségek 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
Szociális 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)
Diszkrét matematika 1. estis képzés
Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN
PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN CSIKVÁRI PÉTER Kivonat. Ebben a jegyzetben bebizonyítjuk Bondy és Simonovits következő tételét. Ha egy n csúcsú egyszerű gráf nem tartalmaz C k kört akkor az éleinek száma
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. tavasz 1. Diszkrét matematika 2.C szakirány 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu Komputeralgebra Tanszék 2015. tavasz Gráfelmélet Diszkrét
A társadalom hálózati jelenségeinek adatvezérelt vizsgálata I: Társadalmi terjedés. Magyar Tudomány Ünnepe 2017 Számítógépes Társadalomtudomány
A társadalom hálózati jelenségeinek adatvezérelt vizsgálata I: Társadalmi terjedés Kertész János CEU, BME Magyar Tudomány Ünnepe 2017 Számítógépes Társadalomtudomány Zhongyuan Ruan (CEU) Márton Karsai
KERESKEDELMI HÁLÓZATOK ELEMZÉSE HÁLÓZATELMÉLETI MÓDSZEREKKEL
BUDAPESTI GAZDASÁGI FŐISKOLA KÜLKERESKEDELMI KAR NEMZETKÖZI GAZDÁLKODÁS SZAK Nappali tagozat Külgazdasági vállalkozás szakirány KERESKEDELMI HÁLÓZATOK ELEMZÉSE HÁLÓZATELMÉLETI MÓDSZEREKKEL Készítette:
A Bitcoin tranzakcióhálózat fejlődésének vizsgálata adatbányász módszerekkel
A Bitcoin tranzakcióhálózat fejlődésének vizsgálata adatbányász módszerekkel Kondor Dániel ELTE, Komplex Rendszerek Fizikája Tanszék MAFIHE Téli Iskola 2015 február 4 Bitcoin, alapok Teljesen elosztott
Ádám Réka. Szakdolgozat Alkalmazott matematikus MSc, Sztochasztika szakirány
E ÖTVÖS L ORÁND T UDOMÁNYEGYETEM T ERMÉSZETTUDOMÁNYI K AR Ádám Réka V ÉLETLEN GRÁFOK ÉS JÁRVÁNYTERJEDÉSI FOLYAMATOK Szakdolgozat Alkalmazott matematikus MSc, Sztochasztika szakirány Témavezeto : Backhausz
Összetett hálózatok a híradástechnikában
Összetett hálózatok a híradástechnikában Horváth Árpád 03. december 4.. Híradástechnikai példák. példa: A telefonhálózat El ször minden telefont összekötöttek. Kés bb
Diszkrét matematika 2.
Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik
INFORMÁCIÓTERJEDÉS MODELLEZÉSE HÁLÓZATOKON DIFFERENCIÁLEGYENLETEKKEL
INFORMÁCIÓTERJEDÉS MODELLEZÉSE HÁLÓZATOKON DIFFERENCIÁLEGYENLETEKKEL Eötvös Loránd Tudományegyetem Természettudományi Kar BSc szakdolgozat Készítette: Korányi Gerg Matematika BSc Matematikai elemz szakirány
HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (
HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör Teljes gráf: Páros gráf, teljes páros gráf és Hamilton kör/út Hamilton kör: Minden csúcson áthaladó kör Hamilton kör Forrás: (http://www.math.klte.hur/~tujanyi/komb_j/k_win_doc/g0603.doc
Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár. Hegyi Géza. Filozofia és Történelem Kar, Kolozsvár. M.A. Santos, R. Coelho és J.J.
Vagyoneloszlás a társadalmakban - egy fizikus megközelítése Néda Zoltán Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár Hegyi Géza Babeş-Bolyai Tudományegyetem Filozofia és Történelem Kar, Kolozsvár
Matematika tanmenet 11. évfolyam (középszintű csoport)
Matematika tanmenet 11. évfolyam (középszintű csoport) Műveltségi terület: MATEMATIKA Iskola, osztályok: Vetési Albert Gimnázium, 11.A, 11.B, 11.D (alap) Tantárgy: MATEMATIKA Heti óraszám: 4 óra Készítették:
Síkbarajzolható gráfok Április 26.
Síkbarajzolható gráfok 2017. Április 26. Síkgráfok Egy gráf síkgráf=síkba rajzolható gráf, ha lerajzolható úgy a síkba, hogy élei csak a szögpontokban metszik egymást. Ha egy gráf lerajzolható a síkba,
1. tétel - Gráfok alapfogalmai
1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési
Közösség detektálás gráfokban
Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a
Gráf-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
Társadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 2. el adás A hálózatkutatás néhány fontos fogalma El adó: London András 2015. szeptember 15. Átmér l ij a legrövidebb út a hálózatban i és j pont között =
Számítógép 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
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
1: 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
HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út
SÍKBA RAJZOLHATÓ GRÁFOK ld. előadás diasorozat SZÍNEZÉS: ld. előadás diasorozat PÉLDA: Reguláris 5 gráf színezése 4 színnel Juhász, PPKE ITK, 007: http://users.itk.ppke.hu/~b_novak/dmat/juhasz_5_foku_graf.bmp
Az ügyfélelvándorlás kereskedelmi banki modellezése
MELLÉKLET INNOVÁCIÓKUTATÁS Lublóy Ágnes Szenes Márk: Az ügyfélelvándorlás kereskedelmi banki 915 Közgazdasági Szemle, LIV. évf., 2007. október (915 934. o.) LUBLÓY ÁGNES SZENES MÁRK Az ügyfélelvándorlás
Szociális hálók klaszterezése
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR Besenyei Andrea Matematika BSc. Matematikai elemző szakirány Szociális hálók klaszterezése Szakdolgozat Témavezető: Dr. Kósa Balázs Információs Rendszerek
Hálózati Algoritmusok
Hálózati Algoritmsok 2015 Topológia felügyelet és roting ad hoc hálózatokban 1 Topológia felügyelet (Topology Control) Ritka topológiák, alacsony fokszám tár hatékonyság Röid és alacsony energiájú tak
Debreceni Egyetem, Informatikai Kar, Informatikai Rendszerek és Hálózatok Tanszék
Mintatantervek és a hálózattudomány, vagyis az el feltételi hálók tulajdonságai Curriculums and the networks science that is the properties of preconditional subject networks Varga Imre a, Szilágyi Szabolcs
Hálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft.
Hálózati elemzések az üzleti életben Kovács Gyula Sixtep Kft. Hálózat kutatás rövid ismertetése Königsbergi hidak problémája Háttér: A probléma története, hogy a poroszországi Königsberg (most Kalinyingrád,
Bevezete 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
Komplex hálózatok szerkezetének és dinamikájának feltárása és modellezése statisztikus fizikai módszerekkel
a Komplex hálózatok szerkezetének és dinamikájának feltárása és modellezése statisztikus fizikai módszerekkel Az MTA Doktora cím elnyeréséhez készített tézisfüzet Palla Gergely MTA-ELTE Statisztikus és
Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.
Gráf csúcsainak színezése Kromatikus szám 2018. Április 18. χ(g) az ún. kromatikus szám az a szám, ahány szín kell a G gráf csúcsainak olyan kiszínezéséhez, hogy a szomszédok más színűek legyenek. 2 The
Fertőzés: hálózatok háborúja földön, vízen, levegőben
Fertőzés: hálózatok háborúja földön, vízen, levegőben földön bőr Dr. Maszárovics Zoltán Eger vízben béltraktus, folyadékok levegőben légutak Miért éppen a hálózatok? Internet Városokat összekötő útvonalhálózatok
EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF
Összefoglaló Gráfok / EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Adott a G = (V, E) gráf ahol a V a csomópontok, E az élek halmaza E = {(x, y) x, y V, x y (nincs hurokél) és (x, y) = (y, x)) Jelölések:
Farkas Illés Az MTMT által csatolt publikációs lista
Farkas Illés Az MTMT által csatolt publikációs lista Eredeti folyóiratcikk 1-5 szerző 1. Vicsek T, Czirok A, Farkas I J, Helbing D Application of statistical mechanics to collective motion in biology PHYSICA
Teljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20
Teljesítmény Mérés Tóth Zsolt Miskolci Egyetem 2013 Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés 2013 1 / 20 Tartalomjegyzék 1 Bevezetés 2 Visual Studio Kód metrikák Performance Explorer Tóth Zsolt
Komplex hálózatok moduláris szerkezete
Az OTKA K68669 azonosítójú, Komplex hálózatok moduláris szerkezete című pályázat szakmai beszámolója 1. Bevezetés Az utóbbi évtizedben a hálózati megközelítés több fontos sikert hozott biológiai, technológiai,
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
Gráfelméleti 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
Gráfelméleti alapfogalmak-1
KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára Gráfelméleti alapfogalmak Előadó: Hajnal Péter 2015 1. Egyszerű gráfok Nagyon sok helyzetben egy alaphalmaz elemei között kitűntetett
Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.
Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
III. Gráfok. 1. Irányítatlan gráfok:
III. Gráfok 1. Irányítatlan gráfok: Jelölés: G=(X,U), X a csomópontok halmaza, U az élek halmaza X={1,2,3,4,5,6}, U={[1,2], [1,4], [1,6], [2,3], [2,5], [3,4], [3,5], [4,5],[5,6]} Értelmezések: 1. Fokszám:
EÖTVÖS LÓRÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR SZAKDOLGOZAT. Bodor Andrea. Matematika BSc Tanári szakirány. Témavezető: Munkácsy Katalin
EÖTVÖS LÓRÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR A nagy gráfok elmélete és tanításának lehetősége középiskolai szakkörben SZAKDOLGOZAT Bodor Andrea Matematika BSc Tanári szakirány Témavezető: Munkácsy
24. tétel. Kombinatorika. A grá fok.
2009/2010 1 Huszk@ Jenő 24. tétel. Kombinatorika. A grá fok. 1.Kombinatorika A kombinatorika a véges halmazokkal foglalkozik. Olyan problémákat vizsgál, amelyek függetlenek a halmazok elemeinek mibenlététől.
Gráfok csúcsszínezései
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára Gráfok csúcsszínezései 2012. október 1. Előadó: Hajnal Péter 1. (Csúcs)színezések alapfogalmai Emlékeztetőként idézzünk fel néhány korábban tanult
REKLÁMPSZICHOLÓGIA. 1/a. TÁRSTUDOMÁNYOK és ÚJ TUDOMÁNYÁGAK
REKLÁMPSZICHOLÓGIA 1/a. TÁRSTUDOMÁNYOK és ÚJ TUDOMÁNYÁGAK Interdiszciplináris tudomány kereskedelem lélektan kommunikáció kutatás kampány hatásvizsgálatok médiakutatás, mérés REKLÁM PSZICHO- LÓGIA fogyasztói
Természettudományi Kar. Rokob Sándor. Véletlen gráfok duplikációs modelljei. Matematika Bsc szakdolgozat
Eötvös Loránd Tudományegyetem Természettudományi Kar Rokob Sándor Véletlen gráfok duplikációs modelljei Matematika Bsc szakdolgozat Témavezető: Móri Tamás Valószínűségelméleti és Statisztika Tanszék Budapest,
Matematika MSc záróvizsgák (2015. június )
Június 23. (kedd) H45a 12.00 13.00 Bizottság: Simonovits András (elnök), Simon András, Katona Gyula Y., Pap Gyula (külső tag) 12.00 Bácsi Marcell Közelítő algoritmusok és bonyolultságuk tv.: Friedl Katalin
A Győri agglomeráció közforgalmú közlekedési rendszerének vizsgálata*
SZABÓ LAJOS DR. HORVÁTH BALÁZS DR. HORVÁTH RICHÁRD GAÁL BERTALAN A Győri agglomeráció közforgalmú közlekedési rendszerének vizsgálata* A cikk rövid elméleti összefoglalót ad a közlekedési hálózatok gráfelméleti
Gráfelmélet/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
Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.
Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Gráfelméleti 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,
1. zárthelyi,
1. zárthelyi, 2010.03.2. 1. Jelölje B n azt a gráfot, melynek csúcsai az n hosszúságú 0 1 sorozatok, két sorozat akkor és csak akkor van összekötve éllel, ha pontosan egy vagy két helyen különböznek. Adjuk
Scafida: egy energiahatékony adatközpont-struktúra
ADATKÖZPONTOK Scafida: egy energiahatékony adatközpont-struktúra GYARMATI LÁSZLÓ, TRINH ANH TUAN Network Economics Group Budapesti Mûszaki és Gazdaságtudományi Egyetem, Távközlési és Médiainformatikai
e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
MÛHELY A KAPCSOLATHÁLÓ REGÉNYE. Letenyei László
MÛHELY Letenyei László A KAPCSOLATHÁLÓ REGÉNYE Barabási Albert László: Behálózva. Magyar Könyvklub, 2003. Barabási Albert László: Linked. The New Science of Networks. Cambridge MA: Perseus Publishing,
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.
Valószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
Mázsár Noémi. A járványterjedés modellezése véletlen gráfokon
Eötvös Loránd Tudományegyetem Természettudományi Kar Mázsár Noémi A járványterjedés modellezése véletlen gráfokon BSc Szakdolgozat Témavezet : Backhausz Ágnes Valószín ségelméleti és Statisztika Tanszék
KOMBINATORIKA ElŐADÁS Matematika BSc hallgatók számára. Klikkek gráfokban-1. Definíció. Egy G gráfban egy K V(G) csúcshalmazt klikknek nevezünk, ha K
KOMBINATORIKA ElŐADÁS Matematika BSc hallgatók számára Klikkek gráfokban Előadó: Hajnal Péter 2017 1. Az alapkérdés Emlékeztetünk egy a gráfok színezésénél tárgyalt fontos fogalomra: Definíció. Egy G gráfban
Valószínűségszámítás és statisztika a fizikában március 12.
Valószínűségszámítás és statisztika a fizikában 2019. március 12. MOMENTUMOK, GENERÁTORFÜGGVÉNY, KARAKTERISZTIKUS FÜGGVÉNY általános definíciója Definíció: A X valószínűségi változó k-adik momentuma: X
1. Gráfelmélet alapfogalmai
1. Gráfelmélet alapfogalmai Definíció: A gráf pontok és az őket összekötő élek együttese. Megjegyzés: A gráf pontjait szögpontoknak, illetve csúcsoknak is nevezzük. Ha a gráf élei irányítottak, irányított
A zsebrádiótól Turán tételéig
Jegyzetek egy matekóráról Lejegyezte és kiegészítésekkel ellátta: Meszéna Balázs A katedrán: Pataki János A gráfokat rengeteg életszagú példa megoldásában tudjuk segítségül hívni. Erre nézzünk egy példát:
Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16.
Bevezetés a Számításelméletbe II. 6. előadás Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tsz. I. B. 7/b sali@cs.bme.hu 004 március 6. A kritikus út
Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára. Ramsey-gráfok
Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára Ramsey-gráfok Előadó: Hajnal Péter 1.hét 1. Ramsey-számok Definíció. Legyen Ram(G) = max{ω(g), α(g)} = max{ω(g), ω(g)}, azaz a legnagyobb halmaz
Gépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés
Gépi tanulás a gyakorlatban Kiértékelés és Klaszterezés Hogyan alkalmazzuk sikeresen a gépi tanuló módszereket? Hogyan válasszuk az algoritmusokat? Hogyan hangoljuk a paramétereiket? Precízebben: Tegyük
LÖVÉSZ ZÁSZLÓALJ KAPCSOLATI RENDSZEREINEK VIZSGÁLATA HÁLÓZATELEMZÉSI MÓDSZEREKKEL 1. RÉSZ
IX. Évfolyam 3. szám - 2014. szeptember Károly Krisztián krisztian.karoly@mil.hu LÖVÉSZ ZÁSZLÓALJ KAPCSOLATI RENDSZEREINEK VIZSGÁLATA HÁLÓZATELEMZÉSI MÓDSZEREKKEL 1. RÉSZ Absztrakt Korunk információs társadalmának
Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a
Feladatok, amelyek gráfokkal oldhatók meg ) A königsbergi hidak problémája (Euler-féle probléma) a b d c A megfelelő gráf: d a b c ) Egy szórakoztató feladat (Hamilton-féle probléma) Helyezzük el az,,,...,
A magyar vasúti infrastruktúra gráfelméleti elemzése
A magyar vasúti infrastruktúra gráfelméleti elemzése Ferenci Tamás tamas.ferenci@medstat.hu 2012. június 3. Tartalom 1 Bevezetés, irodalmi áttekintés 2 3 Reprezentációs kérdések Adatszerzés 4 Köszönetnyilvánítás
Magyar és angol szóasszociációs hálózatok vizsgálata. Orosz Katalin Kovács László Pollner Péter
Magyar és angol szóasszociációs hálózatok vizsgálata Orosz Katalin Kovács László Pollner Péter 0. Bevezetés Jelenlegi elképzeléseink szerint a beszédértés és beszédprodukció során előhívott szavakat (és
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
A hálózatelmélet banki alkalmazása
VERSENY ÉS SZABÁLYOZÁS Közgazdasági Szemle, LIV. évf., 2007. július augusztus (682 702. o.) BENEDEK GÁBOR LUBLÓY ÁGNES SZENES MÁRK A hálózatelmélet banki alkalmazása A hálózatok elméletének alkalmazási
TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
Alapfogalmak. Ha a gráf valamely két csúcsát egynél több él köti össze, akkor azt többszörös élnek nevezzük.
Alapfogalmak A gráfelmélet a matematika tudományának viszonylag fiatal részterülete. Az első gráfelméleti probléma a XVIII. sz. elején lépett fel ennek megoldása Euler nevéhez fűződik. A Königsberg (mai
25. tétel: Bizonyítási módszerek és bemutatásuk tételek bizonyításában, tétel és megfordítása, szükséges és elégséges feltétel
5. tétel: Bizonyítási módszerek és bemutatásuk tételek bizonyításában, tétel és megfordítása, szükséges és elégséges feltétel Axióma: Bizonyítás: olyan állítás, amelynek igazságát bizonyítás nélkül elfogadjuk.
IFFK 2015 Budapest, október Autóipari logisztikai hálózatok sztochasztikus modellezéséhez szükséges paraméterek elemzése
Autóipari logisztikai hálózatok sztochasztikus modellezéséhez szükséges paraméterek elemzése Dömötörfi Ákos* Dr. Péter Tamás** *Széchenyi István Egyetem, Multidiszciplináris Műszaki Tudományi Doktori Iskola