Maria Yudina

Maria Yudina

Аспирантка

Публикации

Графы предпочтительного присоединения как структура взаимодействия агентов

Опубликовано в Journal of Physics: Conference Series, V.1441, P. 012176, 2020

Графы предпочтительного присоединения рассматриваются как основа для построения структур взаимодействия агентов. Выбор такой структуры существенно влияет на результаты имитационного моделирования сетевых процессов. Калибровка (настройка параметров генерации) графов предпочтительного присоединения повышает точность результатов моделируемых процессов. Повышение качества калибровки ведёт к построению адекватных графовых моделей. Это может использоваться при моделировании процессов в телекоммуникационных, социальных, клеточных молекулярных и других крупных сетях современного сетевого мира.

Скачать здесь

Комбинированный метод случайной выборки фреймов для подсчёта числа мотивов

Опубликовано в Journal of Physics: Conference Series, V. 1260, P. 022013, 2019

Рассматривается задача вычисления частот сетевых мотивов на трёх и четырёх вершинах в больших сетях. Исследуются телекоммуникационные сети и молекулярно-клеточные сети. Размеры исследуемых сетей — сотни тысяч узлов и связей. Эти сети представлены в виде ориентированных и неориентированных простых графов. Точный расчёт для таких больших графов требует огромных вычислительных ресурсов. Предложен метод вычисления частот сетевых мотивов на основе метода Монте-Карло с контролем точности вычислений. Предложенный эффективный метод минимизирует значение коэффициента вариации.

Скачать здесь

Оценка точности расчёта концентрации сетевых мотивов алгоритмом Rand-ESU

Опубликовано в Journal of Physics: Conference Series, V. 1260, P. 022012, 2019

Рассматривается задача вычисления частот сетевых мотивов с помощью алгоритма Rand-ESU. Установлено, что при использовании алгоритма Rand-ESU необходимо отсекать (разреживать) сетевые мотивы только на последнем уровне ESU-дерева, а значит, реализация алгоритма требует построения почти всего ESU-дерева. Приведены примеры расчётов, показывающие, что другие стратегии отсечения выборки приводят к большим ошибкам расчёта.

Скачать здесь

Распределения степеней в растущих графах с потерей дуг

Опубликовано в Moscow Workshop on Electronic and Networking Technologies (MWENT), P. 1-7. DOI: 10.1109/MWENT.2018.8337251, 2018

Для растущих графов предпочтительного присоединения, которые непрерывно теряют дуги, решена задача вычисления двумерного распределения степеней дуг (рёбер). Применение разработанных методов расчёта графов с потерей дуг позволяет синтезировать адекватные модели растущих сетей (социальных, информационно-телекоммуникационных, кооперационных и др.) с учётом потери связей между узлами.

Скачать здесь

Графы со сложными стохастическими приращениями

Опубликовано в 11th International IEEE Scientific and Technical Conference Dynamics of Systems, Mechanisms and Machines Dynamics. – P.1-8. DOI: 10.1109/Dynamics.2017.8239525, 2017

В теории случайных графов с предпочтительным присоединением вводится новый класс графов: такие графы растут за счёт добавления бесконечного числа сложных стохастических приращений, состоящих из нескольких связанных вершин. Задачи о финальных распределениях степеней вершин и рёбер растущих графов решены аналитическими методами. Получено аналитическое решение задачи калибровки (синтеза) графа по заданному финальному распределению степеней вершин и рёбер. Разработан численный метод калибровки сложного графа по распределениям степеней вершин, а также степеней рёбер и коэффициенту кластеризации. Приведены примеры калибровки сложных графов при моделировании реальных сетей.

Скачать здесь

Подсчёт числа мотивов на трёх вершинах с помощью случайной выборки фреймов в ориентированных сетях

Опубликовано в Proceedings – 2017 Siberian Symposium on Data Science and Engineering, SSDSE 2017, 8071957, P.23-26. DOI: 10.1109/SSDSE.2017.8071957, 2017

Предложены метод случайной выборки фреймов, основанный на статистическом подходе, и алгоритм оценки встречаемости 3-мотивов в сетях с направленными связями. Алгоритм предлагается реализовывать с использованием параллельных вычислений. Приведены результаты численных экспериментов. При сравнении разработанного алгоритма с другими известными алгоритмами в ряде случаев выявлены его существенные преимущества по точности, скорости и расходу оперативной памяти.

Скачать здесь