Memory biased random walk as an empirical approach to identifying community structures in social and biological networks
Sosyal ve biyolojik ağlardaki komünite yapılarının teşhisine ampirik bir yaklaşım olarak hafızalı rassal yürüyüş
- Tez No: 437859
- Danışmanlar: PROF. DR. MURAT ELİBOL, DOÇ. DR. URİ HERSHBERG
- Tez Türü: Doktora
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 161
Özet
Düğüm-ve-çizgi ağ modeli, çok komponentli sosyal ve biyolojik sistemlerin analizi için oldukça elverişli bir teorik çerçeve sunar. Bu türden ağlar içerisindeki komünite yapılarının, ilgili ağla betimlenen gerçek sistemde gerçekleşen dinamik proseslerin oluşmasıyla oldukça yakından ilişkili oldukları, ilgili literatürde daha öncesinden gösterilmiştir. Bu çalışma kapsamında, ağ komünitelerinin teşhisine yönelik yeni bir ampirik yaklaşım olarak Hafızalı Rassal Yürüyüş algoritması sunulmaktadır. Bu doğrultuda ilk olarak, ağlarda hareket eden rassal bir yürüyüşçünün, bir hafıza yeteneğine sahip olması durumunda ağlardaki komünite-benzeri yapıların içerisinde, bu yapılar arasındaki alana göre çok daha fazla zaman geçirme eğiliminde olduğu gösterilmiştir. Ardından, yürüyüşçünün bu eğilimi, klasik spektral ağ bölümlendirme algoritmasını güçlendirme ve ayrıca komünite yapılarının, yürüyüşçünün hareketinden doğrudan çıkarsanmasını mümkün kılan bir metodolojinin geliştirilmesinde kullanılmıştır. MBRW-kaynaklı algoritmaların, teşhis edilen komünite yapılarının kalitesi açısından, literatürdeki en popüler ağ bölümlendirme yöntemlerinden daha iyi sonuçlar verdiği, bir dizi örnek ağ üzerinde kanıtlanmıştır. Ayrıca, belirli birer immün sinyal ve protein etkileşim ağı MBRW algoritması ile detaylı olarak çalışılmış ve bu ağlarda teşhis edilen komünitelerin, ağların otantik fonksiyonel modüllerine karşılık geldikleri gösterilmiştir. Son olarak, ağların fraktal boyutlarının hesaplanmasında yine MBRW türevli yeni bir metrik geliştirilmiş ve bu metriğin, ağların öz-benzerlik düzeyleri için, literatürdeki mevcut yöntemlere göre oldukça anlamlı ve tutarlı bir prediktör olabileceği gösterilmiştir.
Özet (Çeviri)
Networks as node-and-edge models provide a convenient framework for the analysis of multi-component social and biological systems. Network communities have already been shown to have important functional implications for dynamical processes in such systems. In this study, I present a brand new empirical approach, Memory Biased Random Walk (MBRW), to partitioning networks into set of communities. I first showed that when biased with a memory capacity, a random walker moving in networks prefers to spend significantly more time within the community-like structures than in between them. I then developed a methodology where I used this tendency of the walker either to strengthen the traditional spectral partitioning algorithm or to extract community-like structures directly from the movement sequence. I proved, on a set of test networks, that MBRW-based algorithms outperform the most popular network partitioning methods available in the literature in terms of quality of the identified communities. I analysed an innate immune signalling and protein interaction network in detail by MBRW and found that this new method is indeed capable of uncovering authentic functional modules of these networks. Lastly, I suggested in this study a new measure derived from MBRW for calculating the fractal dimension of networks and identified it as a significant and consistent predictor for the self-similarity level of networks.
Benzer Tezler
- Kaos analizi: Bir finansal sektör uygulaması
Başlık çevirisi yok
CAFER ERCAN BOZDAĞ
Doktora
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HALUK ERKUT
- Pürüzlü parçalı stokastik oynaklık (PPSO) yaklaşımı ile finansal zaman serilerinin hafıza yapısının analizi
Analysis of the memory structure of financial time series data with rough fractional stochastic volatility (RFSV) approach
SARVARBEK NAZAROV
Yüksek Lisans
Türkçe
2018
EkonomiDokuz Eylül Üniversitesiİktisat Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASLI SEDA BİLMAN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Forecasting foreign exchange rate with machine learning techniques
Makine öğrenmesi teknikleri ile kur tahmini
ROHAT KÜÇÜK
Yüksek Lisans
İngilizce
2023
EkonometriOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. FULYA GÖKALP YAVUZ
- FDDI tabanlı bir ağ sistemi için etkin bir gerçek zamanlı iletişim yapısının tasarımı
Design of an efficient real time communication structure for an fddi based network system
FEZA BUZLUCA
Doktora
Türkçe
1997
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. EMRE HARMANCI