SNY har ordet

En kurs som handlar om precis vad den heter. Behandlar generella begrepp inom grafteori som man säkert stött på lite här och var i tidigare kurser, såväl som matematiska verktyg för att plocka ut information som gömmer sig i nätverksstrukturen. Kursen innehåller också en uppskattad labbserie, där man får applicera verktygen på riktiga nätverk.

Kursutvärderingar

Logga in för att läsa kursutväderingar

Innehåll

Introduktion till komplexa nätverk och "network science". Grafrepresentationer av nätverk, grannmatris, gradsekvens och gradfördelning. "Walks", "paths" and "motifs" i nätverk. Laplace-operator och dess egenskaper.  Nätverk med tecken, bipartita nätverk, affilieringsnätverk och tripartita nätverk. Likhetsmått och klustringsmetriker. Centralitetsmetriker, egenvektorscentralitet, Katz, PageRank, "hubs and authorities". Sampling på nätverk, slumpvandringar, "friendship paradoxes". Metriker för assortativitet, modularitet och gradkorrelationer. "Community detection" and partitionering: Kernighan-Lin, Girvan-Newman and spectral-algoritmer. Modeller för nätverksformation: Poisson-slumpnätverk, "configuration model", "preferential attachment", nätverk med "power-law" och "scale-free" egenskaper, "cutoffs". Watts-Strogatz-modellen, Kleinberg-modellen, världen-är-liten-fenomen, sökbarhet och nåbarhet. Kaskader, linjära tröskelmodellen, DeGroot-typ dynamiska modeller och diffusion. Introduktion till "graph learning" och graf-signalbehandling.

Mål

Efter avslutad kurs förväntas studenten:

1. med adekvat terminologi, väl strukturerat och logiskt sammanhängande, kunna redogöra för och genomföra enklare beräkningar som relaterar till de specifika tekniska koncept som listas under "kursinnehåll".

2. kunna beskriva, tillämpa, implementera i ett vedertaget programspråk, samt uppvisa ingenjörsmässig förståelse för den teori och de metoder som behandlas i kursen.

3. kunna redovisa, på ett strukturerat sätt i muntlig form, arbete som utförts i datorlaborationer.

Examinationsmoment

TEN1 - 4,0 HP
Skriftlig examination (U, 3, 4, 5)
LAB1 - 2,0 HP
Datorlaborationer (U, G)

Organisation

Kursen består av en serie om 12 föreläsningar, 7 lektioner samt en serie datorlaborationer. Datorlaborationerna examineras muntligen i laborationssal.

Litteratur

Ordinarie litteratur

Böcker

• Latora, Vito, Nicosia, Vincenzo, Russo, Giovanni, (2017) Complex networks : principles, methods and applications Cambridge : Cambridge University Press, 2017.
  ISBN: 9781107103184, 1107103185, 9781108299961

Kompletterande litteratur

Kompendier

• 
  Supplementary notes by E. G. Larsson.

Relaterade profiler

Datadriven analys och maskinintelligens DAMI - ISY

Kommunikation KOM - ISY

Styr- och informationssystem SIS - ISY

Rekommenderade förkunskaper

Linjär algebra. Grundläggande kunskaper i sannolikhetslära/matematisk statistik. Färdigheter i programmering i Python och Matlab. Påbyggnadskurser: Kurser inom dator-, informations‐ och kommunikationsnätverk, Internet- och web‐teknik, sociala nätverk, grafteori, maskininlärning och nätverksanalys.

Kommentarer

Logga in för att kunna läsa och skriva kommentarer.