Különböző alakzatokon alapuló skálafüggetlen véletlen hálózatok

A tétel rövid nézete
dc.contributor.advisorFazekas, István
dc.contributor.authorPerecsényi, Attila
dc.contributor.departmentInformatikai tudományok doktori iskolahu
dc.contributor.submitterdepDE--Informatikai Kar -- Alkalmazott Matematika és Valószínűségszámítás Tanszék
dc.date.accessioned2020-05-12T22:33:30Z
dc.date.available2020-05-12T22:33:30Z
dc.date.defended2020-11-05
dc.date.issued2020
dc.description.abstractEzen értekezésben először definiáljuk az csillagos véletlen gráf modellt, amely fejlődésében nagy szerepet játszik a preferential attachment szabály. A kialakuló gráfokat vizsgáljuk martingálelméleti módszerekkel, így a gráf ki- és befokának, illetve a gráf fejlődésekor használt súlyoknak a skálafüggetlenségét igazoljuk. Ezek után ismertetünk egy általános populációs modellt, ami az egyedek pontértéke alapján fejlődik. Ebben az esetben megmutatjuk, hogy a pontértékek skálafüggetlen tulajdonsággal rendelkeznek, ehhez koncentrációs egyenlőtlenséget használunk. Majd alkalmazzuk a kapott eredményeket a csillagos modellre és az N-pontos modellre. Végezetül szimulációs eredmények segítségével megmutatjuk, hogy az általánosított N-pontos modell esetén hatványrendű fokszámeloszlástól eltérőt kaphatunk, annak ellenére, hogy ez a modell is preferential attachment alapján fejlődik.hu_HU
dc.description.abstractIn this dissertation, first we define the N-star random graph model, in which the preferential attachment rule plays a major role during the evolution. The obtained graphs are examined by martingale theory methods, so we prove the scale-free property of the out- and indegrees of the graph and the weights used during the evolution. Furthermore we present a general population model that evolves based on the scores of individuals. In this case, we show that the scores have a scale-free property, using concentration inequality. We apply the results to the N-star model and the N-interaction model. Finally, with the help of simulations, we show that in the case of the generalized N-interaction model we can get non-power-law distribution, despite the fact that this model also evolves on the basis of preferential attachment rule.hu_HU
dc.format.extent114hu_HU
dc.identifier.urihttp://hdl.handle.net/2437/286995
dc.language.isohuhu_HU
dc.language.isoenhu_HU
dc.subjectskálafüggetlenhu_HU
dc.subjectscale-freehu_HU
dc.subjecthálózathu_HU
dc.subjectnetworkhu_HU
dc.subjectrandom graphhu_HU
dc.subjectvéletlen gráfhu_HU
dc.subject.disciplineInformatikai tudományokhu
dc.subject.sciencefieldMűszaki tudományokhu
dc.titleKülönböző alakzatokon alapuló skálafüggetlen véletlen hálózatokhu_HU
dc.title.translatedScale-free random networks based on different structureshu_HU
dc.typePhD, doktori értekezéshu
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 2 (Összesen 2)
Bélyegkép
Név:
pa_disszertacio_vedett.pdf
Méret:
688.51 KB
Formátum:
Adobe Portable Document Format
Leírás:
Doktori (PhD) értekezés
Letöltés
Bélyegkép
Név:
pa_tezis_vedett.pdf
Méret:
2.33 MB
Formátum:
Adobe Portable Document Format
Leírás:
Doktori (PhD) értekezés tézisei
Letöltés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
1.93 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Informatikai Tudományok Doktori Iskola