ترجمه مقاله فرمول بندی ریاضی شبکه های چند لایه ای

ترجمه مقاله فرمول بندی ریاضی شبکه های چند لایه ای
قیمت خرید این محصول
۴۶,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
فرمول بندی ریاضی شبکه های چند لایه ای
عنوان انگلیسی
Mathematical Formulation of Multilayer Networks
صفحات مقاله فارسی
38
صفحات مقاله انگلیسی
15
سال انتشار
2013
نشریه
Aps
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
pdf و ورد تایپ شده
کد محصول
5345
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
ریاضی، مهندسی کامپیوتر و مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله
مهندسی الگوریتم و محاسبات، سامانه های شبکه ای و ریاضی کاربردی
مجله
انجمن فیزیک آمریکا
دانشگاه
گروه مهندسی کامپیوتر، تاراگونا، اسپانیا
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. شبکه های تک لایه (مونوپلکس MONOPLEX)
3. شبکه های چندلایه ای
4. توصیف شبکه و فرایندهای دینامیکی و پویا
A. شبکه های مونوپلکس
B. شبکه های چندلایه ای
5. نتیجه گیری و بحث
ضمیمه A: کنوانسیون مجموع EINSTEIN
ضمیمه B: تعریف تابع نمایی و لگاریتمی تانسور
ضمیمه C: استنتاج آنتروپی VON NEUMANN
نمونه چکیده متن اصلی انگلیسی
abstract

A network representation is useful for describing the structure of a large variety of complex systems. However, most real and engineered systems have multiple subsystems and layers of connectivity, and the data produced by such systems are very rich. Achieving a deep understanding of such systems necessitates generalizing ‘‘traditional’’ network theory, and the newfound deluge of data now makes it possible to test increasingly general frameworks for the study of networks. In particular, although adjacency matrices are useful to describe traditional single-layer networks, such a representation is insufficient for the analysis and description of multiplex and time-dependent networks. One must therefore develop a more general mathematical framework to cope with the challenges posed by multilayer complex systems. In this paper, we introduce a tensorial framework to study multilayer networks, and we discuss the generalization of several important network descriptors and dynamical processes—including degree centrality, clustering coefficients, eigenvector centrality, modularity, von Neumann entropy, and diffusion—for this framework. We examine the impact of different choices in constructing these generalizations, and we illustrate how to obtain known results for the special cases of single-layer and multiplex networks. Our tensorial approach will be helpful for tackling pressing problems in multilayer complex systems, such as inferring who is influencing whom (and by which media) in multichannel social networks and developing routing techniques for multimodal transportation systems.

نمونه چکیده ترجمه متن فارسی
چکیده
نمایش شبکه به منظور توصیف کردن ساختار انواع زیادی از سیستم های پیچیده، مفید است. با اینحال سیستم های واقعی و مهندسی ، زیرسیستم های چندگانه و لایه های اتصالی دارند و تولید داده ها توسط چنین سیستم هایی، بسیار هزینه بر است. دستیابی به درک عمیقی از اینچنین سیستم ها، برای تعمیم دادن شبکه های "رایج" ضروری است و طوفان تازه کشف شده ای ممکن است برای آزمایش کردن چارچوب کلی به منظور مطالعه و بررسی شبکه ها بطور فزاینده ای ایجاد شود. هر چند ماتریس های مجاورت برای توصیف کردن شبکه های تک لایه رایج مفید هستند، اما این چنین نمایش دادن برای توصیف کردن و آنالیز شبکه های چندتایی و وابسته به زمان کافی نمی باشد. بنابراین باید یک چارچوب ریاضی کلی تر برای مقابله با چالش های ناشی از سیستم های چیپیده ی چندلایه ای توسعه داده شود. در این مقاله یک چارچوب تانسوری برای مطالعه شبکه های چندلایه ای معرفی شده است و به بحث در مورد تعمیم چندین توصیف کننده مهم شبکه و فرایندهای دینامیکی از جمله مرکزیت درجه ای، ضرایب خوشه بندی، مرکزیت بردار ویژه، پیمانه ای یا modularity، آنتروپی von Neumann و انتشار برای این چارچوب، پرداخته شده است. ما اثر انتخاب های مختلف را در ساخت این کلیت ها بررسی کردیم و و نشان دادیم که چگونه نتایج مشخصی برای موارد خاصی از شبکه های تک لایه و چند لایه بدست می آید. روش تانسوری ما برای مقابله با مشکلات فشار آوردن در سیستم های پیچیده ی چندلایه ای مفید است، مانند استنتاجی است که بر آنها ( و توسط رسانه) در شبکه های اجتماعی چندکانالی تاثیر می گذارد و تکنیک های مسیریابی را برای سیستم های حمل و نقل چندوجهی ((multimodal transportation توسعه می دهد.

بدون دیدگاه