1350. sredin seminar: Aleš Žiberna, Damjan Škulj: A Markovian approach to stochastic blockmodeling for temporal networks

Date of publication: 13. 5. 2024
Computer mathematics seminar (Wednesday seminar)
Wednesday
15
May
Time:
18:00 - 19:45
ID: 869 5394 3473 – Password: 778851
Sreda, 15. maj 2024, od 18:00 do 19:45, po Zoomu

Aleš Žiberna, Damjan Škulj:

Markovski pristop k stohastičnem bločnemu modeliranju časovnih omrežij

Predstavili bomo nov pristop k stohastičnem bločnemu modeliranju časovnih omrežij. Obravnavamo model, v katerem so za skupino enot v več zaporednih časovnih točkah podane matrike povezav, ki predstavljajo interakcije med enotami v posamezni časovni točki. Predpostavljamo, da so povezave dobljene kot slučajna realizacija verjetnostnega modela, v katerem je verjetnost povezave med enotama i in j odvisna od pripadnosti obeh enot latentnim gručam, ki sestavljajo particijo množice. Cilj je identifikacija gruč, pri čemer se te lahko spreminjajo v času. Proces prehodov med gručami v različnih časovnih točkah pa izpolnjuje markovsko lastnost. Prav tako lahko enote prihajajo in odhajajo iz sistema. Nove prihode in odhode modeliramo z uvedbo tako imenovanih virtualnih gruč, ki omogočajo bolj natančno modeliranje njihovih porazdelitev.

A Markovian approach to stochastic blockmodeling for temporal networks

English abstract: We will present a new approach to stochastic block modeling of temporal networks. We consider a model in which, for a group of units at several consecutive time points, adjacency matrices are given representing interactions between units at each time point. We assume that the connections are obtained as a random realization of a probabilistic model, where the probability of a connection between units 𝑖 and 𝑗 depends only on the membership of both units in latent clusters that form a partition of the set. The goal is to identify the clusters, which may change over time. The process of transitions between clusters at different time points satisfies the Markov property. Additionally, units can enter and leave the system. We model new arrivals and departures by introducing so-called virtual clusters, which allow for more accurate modeling of their distributions.

PS. Kdor bi rad kaj povedal na naslednjih seminarjih, naj mi sporoči naslov teme in doda kratek povzetek.