Магистратура
2018/2019
Моделирование сетей и анализ больших данных
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус:
Курс обязательный (Математические методы моделирования и компьютерные технологии)
Направление:
01.04.02. Прикладная математика и информатика
Кто читает:
Департамент прикладной математики
Когда читается:
1-й курс, 3, 4 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Вальба Ольга Владимировна
Прогр. обучения:
Математические методы моделирования и компьютерные технологии
Язык:
русский
Кредиты:
6
Контактные часы:
88
Программа дисциплины
Аннотация
Целью освоения дисциплины являетсязнакомство с основными понятиями и методами анализа сетей; практические навыки анализа и моделирования сетей. Изучение данной дисциплины базируется на следующих дисциплинах: -Математический анализ; -Линейная алгебра и геометрия; -Теория вероятностей и математическая статистика; -Дискретная математика. Основные положения дисциплины могут быть использованы в дальнейшем при подготовке выпускной квалификационной работы.
Цель освоения дисциплины
- знакомство с основными понятиями и методами анализа сетей
- практические навыки анализа и моделирования сетей
Планируемые результаты обучения
- знать: основные понятия теории сложных сетей, -принципы построения моделей случайных сетей
- уметь: интерпретировать свойства реальных сетей и выбирать подходящую модель для их описания
- владеть: навыками применения методов дисциплины при исследовании конкретных систем
Содержание учебной дисциплины
- Основные понятия, определения и методы анализа сложных сетей.Введение в теорию сложных сетей. Определения и примеры сложных сетей. Основные понятия в теории сетей. Свойства и метрики анализа сетей. Топологические свойства сетей. Распределение степеней связности, коэффициент кластеризации, ассортативность, диаметр, кратчайшие пути. Представление сети в компьютерном эксперименте. Понятие к-ядра графа, диады и триады в графах, мотивы
- Случайные сети и компьютерное моделирование сложных системМодель Эрдеша-Реньи (Erdos-Renyi). Распределение Бернулли и Пуассона. Функция распределения степеней. Фазовые переходы, возникновение связанной компоненты. Диаметр и коэффициент кластеризации. Конфигурационная модель. Модель Барабаши-Альберта (Barabasi-Albert). Предпочтительное присоединение. Уравнение в непрерывном приближении. Временная эволюция степеней узлов. Распределение степеней узлов. Средняя длина пути и коэффициент кластеризации. Модели "малого мира". Модель Watts-Strogats. Однопараметрическая модель. Переход от регулярного графа к случайному. Изменения коэффициента кластеризации и средней длины пути. Модели экспоненциальных случайных графов и их физический смысл. Методы Монте-Карло моделирования экспоненциальных-случайных графов. Фазовые переходы и нарушение симметрии.
- Спектральные свойства сетей.Матрица смежности. Матрица Лапласа. Процесс физической диффузии. Уравнение диффузии. Диффузия на сетях. Дискретный оператор Лапласа и матрица Лапласа, решение уравнения диффузии на графе. Случайные блуждания на графе. Спектр сети. Максимальное собственное значение матрицы смежности. Алгебраическая связность. Полукруговой закон.
- Поиск сообществ в сети.Понятие сообщества в сети. Плотность связей. Метрики. Разделение графа на части. Разрезы в графе. Минимальный разрез, нормированные разрез. Задача нахождения минимально разреза в графе. Агломеративные и разделяющие алгоритмы. Корреляционная матрица. Кластеризация. Понятие промежуточности ребер. Алгортмы Гирвина-Ньюмана. Спектральные методы. Оптимизация модулярности. Классификация алгоритмов нахождения сообществ.
- Модели распространения эпидемий в сетях.Модели SI, SIR, SIS. Решения дифференциальных уравнений. Предельные случаи.
- Большие данные и анализ сложных сетей.Большие данные социальных сетей. Алгоритмы ранжирования. Векторное представление вершин в сети для задач машинного обучения. Задача кластеризации, классификации и предсказания связей в сложных сетях. Применение методов машинного обучения.
Промежуточная аттестация
- Промежуточная аттестация (4 модуль)0.15 * Контрольная работа + 0.35 * Работа студентов на семинарских занятиях + 0.5 * Экзамен
Список литературы
Рекомендуемая основная литература
- Newman, M. (2010). Networks: An Introduction. Oxford University Press, 2010
- Newman, M., Watts, D. J., and Barabási, A. The Structure and Dynamics of Networks. – Princeton University Press, 2006. – 592 pp.
Рекомендуемая дополнительная литература
- Diestel R. Graph Theory. – Springer, 2017. – 428 pp.