打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
复杂网络中的因果涌现
(查看源代码)
2024年8月2日 (五) 16:19的版本
添加44字节
、
2024年8月2日 (星期五)
→合并宏节点方法
第68行:
第68行:
具体来说,不同的类型的微观节点合并成宏观节点时边权有不同的处理方式,包括四种处理方法:
具体来说,不同的类型的微观节点合并成宏观节点时边权有不同的处理方式,包括四种处理方法:
−
1)待合并的节点之间没有连边,且输入节点都指向待合并节点,待合并节点都指向相同输出节点时,如图b所示,需要将输入权重相加,输出权重取平均,其中
<math>Ns </math>为合并节点的数量<math>(W_{\mu}^{out}=\sum_{i \in S}W_i^{out}\frac{1}{N_S})</math>;
+
1)待合并的节点之间没有连边,且输入节点都指向待合并节点,待合并节点都指向相同输出节点时,如图a所示,需要将输入权重相加,输出权重取平均,其中
<math>Ns </math>为合并节点的数量<math>(W_{\mu}^{out}=\sum_{i \in S}W_i^{out}\frac{1}{N_S})</math>;
−
2)待合并的节点之间没有连边且待合并节点指向多个节点时,如图c所示,需要将输入边权加和,出边的边权按比例加权求和,其中
<math>w_{ji} </math>为节点<math>v_i </math>的入边权重<math>(W_{\mu|j}^{out}=\sum_{i \in S}W_i^{out}\frac{\sum_{j->i}w_{ji}}{\sum_{j->k\in S}w_{jk}})</math>;
+
2)待合并的节点之间没有连边且待合并节点指向多个节点时,如图b所示,需要将输入边权加和,出边的边权按比例加权求和,其中
<math>w_{ji} </math>为节点<math>v_i </math>的入边权重<math>(W_{\mu|j}^{out}=\sum_{i \in S}W_i^{out}\frac{\sum_{j->i}w_{ji}}{\sum_{j->k\in S}w_{jk}})</math>;
−
3)当待合并节点间存在连边时,如图d所示,需要计算待合并节点的平稳分布,然后采用方法2的方式计算,其中
<math>π_i </math>为节点<math>v_i </math>在网络平稳分布中的概率<math>(W_{\mu|\pi}^{out}=\sum_{i \in S}W_i^{out}\frac{\pi_i}{\sum_{k\in S}\pi_k})</math>;
+
3)当待合并节点间存在连边时,如图c所示,需要计算待合并节点的平稳分布,然后采用方法2的方式计算,其中
<math>π_i </math>为节点<math>v_i </math>在网络平稳分布中的概率<math>(W_{\mu|\pi}^{out}=\sum_{i \in S}W_i^{out}\frac{\pi_i}{\sum_{k\in S}\pi_k})</math>;
−
4)更为复杂的情况,如图e所示,综合考虑方法2和方法3。
+
4)更为复杂的情况,如图d所示,综合考虑方法2和方法3。
−
[[文件:
Coarse
.png|
居中
|
800x500像素
|
边权合并方式
|
缩略图
]]
+
+
[[文件:
微信截图 20240802160044
.png|
替代=|无框
|
753x753像素]][[文件:图片1.png
|
无框
|
753x753像素
]]
==检验动力学的一致性==
==检验动力学的一致性==
相信未来
1,177
个编辑