Buchumschlag

Stochastic Process-based Method for Degree-Degree Correlation of Evolving Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiao, Yue, Zhang, Xiaojun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Degrees of Freedom: Search Cost and Self-consistency
von: Wang, Lijun, et al.
Veröffentlicht: (2023)

A Note on the Identifiability of the Degree-Corrected Stochastic Block Model
von: Park, John, et al.
Veröffentlicht: (2024)

Degrees of Freedom and Information Criteria for the Synthetic Control Method
von: Pouliot, Guillaume Allaire, et al.
Veröffentlicht: (2022)

Joint Spectral Clustering in Multilayer Degree-Corrected Stochastic Blockmodels
von: Agterberg, Joshua, et al.
Veröffentlicht: (2022)

Transfer Learning for Degree-Corrected Mixed Membership Network Models
von: He, Yong, et al.
Veröffentlicht: (2026)

Selecting the Number of Communities for Weighted Degree-Corrected Stochastic Block Models
von: Liu, Yucheng, et al.
Veröffentlicht: (2024)

Robust Regression with Student's T: The Role of Degrees of Freedom
von: Ng, Amanda, et al.
Veröffentlicht: (2026)

Improvements on Scalable Stochastic Bayesian Inference Methods for Multivariate Hawkes Process
von: Jiang, Alex Ziyu, et al.
Veröffentlicht: (2023)

Measuring Neural Network Complexity via Effective Degrees of Freedom
von: Zhou, Jia, et al.
Veröffentlicht: (2026)

Degrees-of-Freedom Approximations for Conditional-Mean Inference in Random-Lot Stability Analysis
von: Karl, Andrew T., et al.
Veröffentlicht: (2026)

Degree of Interference: A General Framework For Causal Inference Under Interference
von: Ohnishi, Yuki, et al.
Veröffentlicht: (2022)

Degree irregularity and rank probability bias in network meta-analysis
von: Davies, Annabel L, et al.
Veröffentlicht: (2020)

Degrees of Freedom in Penalized Regression: Model Selection with Adaptive Penalties
von: Bernardi, Mauro, et al.
Veröffentlicht: (2025)

Degree distributions in networks: beyond the power law
von: Lee, Clement, et al.
Veröffentlicht: (2020)

BLAST: Bayesian online change-point detection with structured image data
von: Zheng, Xiaojun, et al.
Veröffentlicht: (2025)

Degree-heterogeneous Latent Class Analysis for High-dimensional Discrete Data
von: Lyu, Zhongyuan, et al.
Veröffentlicht: (2024)

An Improved Satterthwaite Effective Degrees of Freedom Correction for Weighted Syntheses of Variance
von: von Davier, Matthias
Veröffentlicht: (2025)

Asymmetric Cross-Correlation in Multivariate Spatial Stochastic Processes: A Primer
von: Chen, Xiaoqing
Veröffentlicht: (2025)

Channelling Multimodality Through a Unimodalizing Transport: Warp-U Sampler and Stochastic Bridge Sampling Estimator
von: Ding, Fei, et al.
Veröffentlicht: (2024)

Unified Causality Analysis Based on the Degrees of Freedom
von: Telcs, András, et al.
Veröffentlicht: (2024)

Computation for Latent Variable Model Estimation: A Unified Stochastic Proximal Framework
von: Zhang, Siliang, et al.
Veröffentlicht: (2020)

Neural Network-Based Change Point Detection for Large-Scale Time-Evolving Data
von: Geng, Jialiang, et al.
Veröffentlicht: (2025)

Statistical Process Monitoring based on Functional Data Analysis
von: Centofanti, Fabio
Veröffentlicht: (2025)

Semi-Parametric Inference for Doubly Stochastic Spatial Point Processes: An Approximate Penalized Poisson Likelihood Approach
von: Cheng, Si, et al.
Veröffentlicht: (2023)

Stochastic Gradient MCMC for Massive Geostatistical Data
von: Abba, Mohamed A., et al.
Veröffentlicht: (2024)

Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts
von: von Davier, Matthias
Veröffentlicht: (2026)

Generalized Labeled Multi-Bernoulli Filters and Multitarget-Correlation Models
von: Mahler, Ronald
Veröffentlicht: (2025)

Robust Parameter Estimation in Dynamical Systems by Stochastic Differential Equations
von: Sun, Qingchuan, et al.
Veröffentlicht: (2025)

Stochastic Approximation Cut Algorithm for Inference in Modularized Bayesian Models
von: Liu, Yang, et al.
Veröffentlicht: (2020)

On the Utility of Equal Batch Sizes for Inference in Stochastic Gradient Descent
von: Singh, Rahul, et al.
Veröffentlicht: (2023)

Process-based Inference for Spatial Energetics Using Bayesian Predictive Stacking
von: Wakayama, Tomoya, et al.
Veröffentlicht: (2024)

Zipf Distributions from Two-Stage Symbolic Processes: Stability Under Stochastic Lexical Filtering
von: Berman, Vladimir
Veröffentlicht: (2025)

CoLaS: Copula-Seeded Sparse Local Graphs with Tunable Assortativity, Persistent Clustering, and a Degree-Tail Dichotomy
von: Papamichalis, Marios, et al.
Veröffentlicht: (2025)

Towards Data-Conditional Simulation for ABC Inference in Stochastic Differential Equations
von: Jovanovski, Petar, et al.
Veröffentlicht: (2023)

A Bayesian Nonparametric Stochastic Block Model for Directed Acyclic Graphs
von: Lee, Clement, et al.
Veröffentlicht: (2023)

Bayesian Inference of Spatially Varying Correlations via the Thresholded Correlation Gaussian Process
von: Li, Moyan, et al.
Veröffentlicht: (2024)

Graph-based Square-Root Estimation for Sparse Linear Regression
von: Li, Peili, et al.
Veröffentlicht: (2024)

Testing Hypotheses regarding Covariance and Correlation matrices with the R package CovCorTest
von: Sattler, Paavo, et al.
Veröffentlicht: (2025)

Empirical Likelihood Test for Common Invariant Subspace of Multilayer Networks based on Monte Carlo Approximation
von: Yao, Qianqian
Veröffentlicht: (2026)

Scalable Gaussian Process Inference with Stan
von: Hoffmann, Till, et al.
Veröffentlicht: (2023)