Programma. I. Concetti base di teoria dei grafi e delle reti II. Modelli III. La rete come insieme di comunità
|
|
- Bonifacio Cipriani
- 5 anni fa
- Visualizzazioni
Transcript
1 Reti Complesse
2 Programma I. Concetti base di teoria dei grafi e delle reti II. Modelli III. La rete come insieme di comunità
3 Bibliografia Evolution of networks S.N. Dorogovtsev, J.F.F. Mendes, Adv. Phys. 51, 1079 (2002), cond-mat/ Statistical mechanics of complex networks Reka Albert, Albert-Laszlo Barabasi Reviews of Modern Physics 74, 47 (2002), cond-mat/ The structure and function of complex networks M. E. J. Newman, SIAM Review 45, (2003), cond-mat/ Complex networks: structure and dynamics S. Boccaletti, V. Latora, Y. Moreno, M. Chavez, D.-U. Hwang Physics Reports 424, (2006)
4 Definizione di Network Network=insieme di vertici (nodi) uniti da legami (links) Rappresentazione molto astratta molto generale Utile per descrivere sistemi molto diversi
5 Esempi Nodi Links Reti sociali Individui Relazioni sociali Internet Routers Cavi + coll. wireless AS Accordi commerciali WWW Webpages Hyperlinks Rete di interazione tra proteine Proteine Reazioni chimiche
6 Rete delle collaborazioni scientifiche Nodi: scienziati Links: articoli scritti in collaborazione Pesi dei link: possono dipendere da Numero degli articoli Numero degli autori di un dato articolo Numero delle citazioni
7 Internet Rappresentazione grafica Differenti livelli di risoluzione
8 Meta-population networks Nodi: struttura sociale (esempio: città) Links: vie di spostamento/traffico City a City i City j
9 GENOMA interazioni gene-proteina PROTEOMA Interazioni proteina-proteina METABOLISMO Reazioni biochimche Citrate Cycle
10 Piano della lezione 1) Breve introduzione ai concetti base di teoria dei grafi 2) Approccio statistico: Ensemble di grafi, distribuzioni di probabilità e correlazioni 3) Reti pesate.
11 Obiettivo Definire una serie di osservabili che permettano di caratterizzare un sistema complesso e che forniscano indicazioni per spiegare i meccanismi microscopici che hanno portato alla formazione del sistema
12 Universalità Reti di origine molto diversa Hanno qualcosa in comune? Esistono proprietà universali? La rappresentazione in termini di teoria dei grafi è lo strumento giusto per rispondere.
13 1) Introduzione alla teoria dei grafi - Definizioni di base - Matrice di adiacenza - Densità - Cammini e connettività - Alberi - Centralità - Clustering
14 Teoria dei grafi Grafo G=(V,E) V=insieme di vertici i=1,,n E=insieme di links (i,j) Link ordinario: i j Bidirezionale comunicazione/ interazione Link diretto : i j
15 Teoria dei grafi Numero massimo di links Non diretti: N(N-1)/2 Diretti: N(N-1) Grafo completo: (interazione tutti con tutti )
16 Matrice di adiacenza N nodi i=1,,n a ij = 1 if (i,j) E 0 if (i,j) E
17 Matrice di adiacenza N nodi i=1,,n a ij = 1 if (i,j) E 0 if (i,j) E Simmetrica se i link non sono diretti
18 Matrice di adiacenza N nodi i=1,,n a ij = 1 if (i,j) E 0 if (i,j) E Non simmetrica Se i links sono diretti 0 1 2
19 Densità di un grafo Densità di un grafo: D= E /(N(N-1)/2) D= Numero dei links Massimo num. di links possibile Grafo sparso : D <<1 Matrice di adiacenza con pochi 1 e molti 0 Rappresentazione: lista dei vicini di ogni nodo l(i, V(i)) V(i)= vicini di i
20 Cammini G=(V,E) Cammino di lunghezza n = lista ordinata di n+1 vertici i 0,i 1,,i n V n links (i 0,i 1 ), (i 1,i 2 ),(i n-1,i n ) E i 3 i 4 i 5 i 0 i 1 i 2 Ciclo/loop = cammino chiuso (i 0 =i n )
21 Alberi Un albero è un grafo senza cicli N nodi, N-1 links
22 Cammini e connettività G=(V,E) è connesso se e solo se esiste un cammino che connette ogni coppia di nodi di G. È connesso non è connesso è formato da due componenti
23 Cammini e connettività G=(V,E)=> distribuzione delle componenti connesse Componente gigante= componente la cui dimensione cresce in modo proporzionale al numero di vertici N Esistenza di una componente gigante Una frazione macroscopica dei nodi del grafo è connessa
24 Cammino minimo (shortest path) Cammino minimo tra i e j: numero minimo di links necessari a congiungere i e j j distanza l(i,j)= cammino minimo tra i and j i Diametro di un grafo= max(l(i,j)) Cammino minimo medio = ij l(i,j)/(n(n-1)/2) Grafo completo: l(i,j)=1 per tutte le coppie i,j. Piccolo mondo (Small-world): piccolo diametro
25 Effetto Small World L esperimento di Milgram Milgram, Psych Today 2, 60 (1967) Dodds et al., Science 301, 827 (2003) Sei gradi di separazione SMALL-WORLD
26 Esempio: Internet Internet: Distribuzione delle distanze tra due nodi
27 Esempio: Rete aereoportuale IATA database V = 3100 aereoporti E = link pesati w ij #passeggeri / (unità di tempo)
28 Centralità Come quantificare l importanza di un nodo? Grado (degree)=numero di vicini = j a ij k i =5 i (grafi diretti: k in, k out )
29 Betweenness centrality Per ogni coppia di nodi (l,m), definisco: s lm numero di cammini minimi tra l e m s lm i num. di cammini minimi che passano per i b i è la somma s lm i / s lm su tutte le coppie (l,m) Importante: è una quantità basata sui cammini j i b i è grande b j è piccola NB: quantità simile: load l i = s i lm NB: generalizzazione: link betweenness centrality
30 Clustering i k 2 3 Coefficiente di clustering di un nodo C(i) = # di links tra 1,2, n vicini k(k-1)/2 1 Clustering: c è un alta probabilità che i miei amici si conoscano! (esempio tipico: social networks)
31 Clustering Coefficiente di clustering medio di un grafo C= i C(i)/N
32 2) Approccio statistico - Distribuzione di probabilità dei gradi - Correlazioni a più punti - Rappresentazione spettrale - Assortatività e dissortatività
33 Distribuzione dei gradi Lista dei gradi k 1,k 2,,k N Non molto utile! Istogramma: N k = numero dei nodi di grado k Distribuzione: P(k)=N k /N=probabilità che un nodo scelto a caso abbia grado k Distribuzione cumulativa: P > (k)=probabilità che un nodo scelto a caso abbia grado almeno k
34 Distribuzione dei gradi P(k)=N k /N= probabilità che un nodo scelto a caso abbia grado k Media=< k > = i k i /N = k k P(k)=2 E /N Grafo sparso : < k > << N Fluttuazioni: < k 2 > - < k > 2 < k 2 > = i k 2 i/n = k k 2 P(k) < k n > = k k n P(k)
35 Correlazioni a più punti dei gradi P(k): non è sufficiente a descrive un network Reti assortative : Nodi di grado alto preferiscono connettersi con altri nodi di grado alto. Ex: social networks Reti dissortative : Nodi di grado alto preferiscono connettersi a nodi di grado basso. Ex: technological networks
36 Correlazioni a più punti dei gradi Misura della correlazione: P(k,k, k (n) k): probabilità condizionale che un nodo di grado k sia connesso a nodi di grado k, k, Caso più semplice: P(k k): probabilità condizionale che un nodo di grado k sia connesso ad un nodo di grado k
37 Correlazioni a più punti dei gradi misura pratica di correlazione : Grado medio dei primi vicini k=4 i k=4 k=7 k=3 k i =4 k nn,i =( )/4=4.5
38 Grado medio dei primi vicini Spettro di correlazione : Costruito mettendo assieme nodi con lo stesso grado Class di grado k
39 Esempio: rete casuale e scorrelata P(k k) indipendente da k (ricorda: P(k k) = prob. che un link di grado k punti ad un nodo di grado k ) numero di link uscenti da un nodo di grado k numero di link uscenti da un nodo qualsiasi P unc (k k)=k P(k )/< k > proporzionale a k stesso
40 Assortatività Comportamento Assortativo : k nn (k) è una funzione crescente di k Esempio: social networks Comportamento Dissortativo: k nn (k) è una funzione decresente di k Esempio: internet (struttura gerarchica)
41
42 3) Reti pesate 1) Definizioni ed esempi 2) Coefficiente di clustering pesato 3) Assortatività pesata
43 Reti pesate Nelle reti reali i links: Portano traffico (reti di trasporti, Internet ) Hanno intensità diverse (social networks ) Descrizione generale: pesi i w ij j a ij : 0 or 1 W ij : variabile continua
44 Pesi: esempi - Collaborazioni scientifiche: numero di articoli in comune Internet, s: numero di s scambiati Aereoporti: numero di passeggeri Reti metaboliche: flussi Reti economiche: numero di azioni possedute In generale si pone: w ii =0 Ed il peso è simmetrico: w ij =w ji
45 Reti Pesate I pesi stanno sui link (weigths) Forza (Strength) di un nodo: s i = j V(i) w ij =>Generalizza in modo naturale la nozione di grado alle reti pesate =>Esempio: quantifica il traffico totale che passa per un nodo.
46 Coefficiente di clustering pesato i w ij =1 w ij =5 i s i =16 c iw =0.625 > c i k i =4 c i =0.5 s i =8 c iw =0.25 < c i
47 Coefficiente di clustering pesato k w ik i w ij (w jk ) j Coefficiente di clustering medio C= i C(i)/N C w = i C w (i)/n Se i pesi sono random: C = C w C < C w : piu pesi sui grafi completi (cliques) C > C w : meno pesi sui grafi completi (cliques) Rappresentazione spettrale del Clustering:
48 Assortatività pesata i k i =5; k nn,i =1.8
49 Assortatività pesata i k i =5; k nn,i =1.8
50 Assortatività pesata i k i =5; s i =21; k nn,i =1.8 ; k nn,iw =1.2: k nn,i > k nn,i w
51 Assortatività pesata i k i =5; s i =9; k nn,i =1.8 ; k nn,iw =3.2: k nn,i < k nn,i w
52 Participation ratio 1/k i se tutti i pesi sono uguali vicino a 1 se alcuni pesi dominano
Modello dei grafi casuali
RETI CASUALI Modello dei grafi casuali Un grafo casuale è un grafo con N nodi connessi da n archi, scelti casualmente tra tutte le possibili combinazioni di collegamenti On Random Graphs, Erdos and Renyi,
DettagliLa sfida della Social Network Analysis nel Disegno di Algoritmi. Marco Pellegrini Istituto di Informatica e Telematica del CNR
La sfida della Social Network Analysis nel Disegno di Algoritmi Marco Pellegrini Istituto di Informatica e Telematica del CNR Contesto (I) Il termine rete ( rete sociale, rete complessa ) e pesantemente
DettagliGeometria per il TFA grafi e reti
Universita di Roma Tre Geometria per il TFA grafi e reti Francesca MEROLA merola@mat.uniroma3.it http://ricerca.mat.uniroma3.it/users/merola/ Internet map 1024 by The Opte Project roadmap esempi di grafi
DettagliReti Complesse Biologiche
Reti Complesse Biologiche Corso di Modelli di Sistemi Biologici II Università di Roma Sapienza Anno Accademico 2008/2009 Fabrizio De Vico Fallani, PhD Dipartimento di Fisiologia Umana e Farmacologia fabrizio.devicofallani@uniroma1.it
DettagliIntroduzione ai network. Misael Mongiovì
Introduzione ai network Misael Mongiovì Big Network Data Social Transportation Biological, Chemical Communication Information Economics, Trade Network (graph) ingredients Node Edge (arco) Represents an
DettagliANALISI DELLE RETI SOCIALI Social Network Analysis
AA 2013-2014 - Corso 44756-6 CFU ANALISI DELLE RETI SOCIALI Social Network Analysis PARTE II RETI SMALL WORLD E POWER LAW DISPENSA DI SUPPORTO ALLA DOCENZA Rev. al 26 settembre 2013 marco ruffino marco.ruffino@unibo.it
DettagliData mining per le scienze sociali
Data mining per le scienze sociali Davide Sardina davidestefano.sardina@unikore.it Università degli studi di Enna Kore Corso di Laurea in Servizio Sociale A.A. 2017/2018 Scienza dei dati Data Mining Dall
DettagliNetworks. From Barabasi's Link
Networks From Barabasi's Link Collegamenti Tutti ci colleghiamo Rete stradale Organigramma (albero) Rete di amicizie Questi collegamenti hanno forme diverse.. Che forma hanno le organizzazioni? Gerarchica
DettagliLezione n.14 Random Graphs, Small-Worlds, Scale-Free Networks Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6
Lezione n.14 Random Graphs, Small-Worlds, Scale-Free Networks Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6 1 RIASSUNTO Introduzione : Reti complesse Small-Worlds Social Networks
DettagliPOSHMAP. Il social network made in Italy dedicato alla moda. Sara Longo, Social Media Mining
POSHMAP Il social network made in Italy dedicato alla moda 1 2 Il social media Poshmap è una piattaforma nella quale poter condividere gli scatti con le proprie scelte di stile: ogni utente può caricare
DettagliLezione n.15 Random Graphs, Small-Worlds, Scale-Free Networks Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6
Lezione n.15 Random Graphs, Small-Worlds, Scale-Free Networks Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6 1 SMALL WORLD NETWORKS Esperimento di Milgram: evidenza in modo empirico
DettagliReti complesse Misurare le reti Grafi Casuali. Reti complesse. Reti e Misure. Matteo Dell Amico
Reti e Misure dellamico@disi.unige.it 7 novembre 2006 Argomenti Trattati 1 Generalità Esempi Obiettivi 2 3 Introduzione Definizioni Generalità Esempi Obiettivi Rete Collezione di entità (nodi) interconnesse.
DettagliGrafi e rappresentazione delle Reti
Grafi e rappresentazione delle Reti Una buona scelta della rappresentazione della rete determina la nostra capacità di utilizzare il sistema con successo Grafi e rappresentazione delle Reti La Teoria dei
DettagliMetodi di analisi delle reti sociali applicati alle movimentazioni di animali per tracciare e prevedere l'andamento di una epidemia
Metodi di analisi delle reti sociali applicati alle movimentazioni di animali per tracciare e prevedere l'andamento di una epidemia Lara Savini I risultati della ricerca condotta dall Istituto Zooprofilattico
DettagliTeoria dei Grafi Elementi di base della Teoria dei Grafi
L. Pallottino, Sistemi Robotici Distribuiti - Versione del 4 Marzo 2015 42 Teoria dei Grafi Elementi di base della Teoria dei Grafi Definizione 1. Un grafo G = (V, E) è composto da un insieme finito di
DettagliGRAFI. Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi!
G R A F I 1 GRAFI Cosa sono Grafi non orientati Grafi orientati Grafi pesati Alberi Automi! 2 cip: cip: Pallogrammi Pallogrammi GRAFI: cosa sono I grafi sono una struttura matematica fondamentale: servono
DettagliSTRUTTURA DELLE RETI SOCIALI GRAFI. Vincenzo Auletta
STRUTTURA DELLE RETI SOCIALI GRAFI Vincenzo Auletta TEORIA DEI GRAFI E RETI La Teoria dei Grafi è una branca della Matematica che permette di descrivere insiemi di oggetti insieme alle loro relazioni Nasce
DettagliCONNETTIVITA' E AFFIDABILITA' DI SISTEMI COMPLESSI
CONNETTIVITA' E AFFIDABILITA' DI SISTEMI COMPLESSI Andrea Bobbio Roberta Terruggia Dipartimento di Informatica Università del Piemonte Orientale, A. Avogadro 151 Alessandria (Italy) La struttura di un
DettagliGrafi non orientati. Grafi (non orientati) Rappresentazione di Grafi: matrice delle adiacenze. Tipiche applicazioni di modelli basati su grafi
Grafi non orientati Grafi (non orientati) Notazione. G = (V, E) V = nodi (o vertici). E = archi (o lati) tra coppie di nodi. Modella relazioni definite tra coppie di oggetti. aglia di un grafo: numero
DettagliReti complesse per uno studio quantitativo delle malattie neurodegenerative
Dottorato di ricerca in Fisica (XXXI Ciclo) Reti complesse per uno studio quantitativo delle malattie neurodegenerative Progetto di ricerca di Eufemia Lella Mi presento Tesi di laurea - Aprile 2014: «Caratterizzazione
DettagliGrafi, Social Network e Ricerca su Web Prof. Maurizio Naldi
Grafi, Social Network e Ricerca su Web Prof. Maurizio Naldi Teoria dei Grafi È uno strumento indispensabile per l analisi di reti e, quindi, di social network.... è fondamentale anche per capire come funziona
DettagliSostenibilità e reti sociali: concetti, metodi, applicazioni Alessandro Sciullo, dip. CPS, Università di Torino Gianfranco Todesco, Città di Torino
Sostenibilità e reti sociali: concetti, metodi, applicazioni Alessandro Sciullo, dip. CPS, Università di Torino Gianfranco Todesco, Città di Torino Data Team Outline Parte I Note concettuali e metodologiche
DettagliSTUDIO DI RETI NEURALI CON METODI DI TEORIA DEI GRAFI
STUDIO DI RETI NEURALI CON METODI DI TEORIA DEI GRAFI ATTESTATO DI ALTA QUALIFICAZIONE SSST CLASSE DI GOVERNO E SCIENZE NATURALI CANDIDATO: MARCO RICCARDI RELATORE: PROF. MICHELE CASELLE MATRICOLA: 778830
DettagliPRINCIPI DI SOCIAL NETWORK ANALYSIS. A cura di Giovanni Ciofalo
PRINCIPI DI SOCIAL NETWORK ANALYSIS A cura di Giovanni Ciofalo Rete? L insieme delle relazioni. esistenti tra entità Social Network, Social Network Site, Social Media? Dall Oxford Dictionary Social Network
Dettagli04/06/2010 Elaborazione dell informazione in campo tecnologico e sociale Everything touches everything Jorge Louis Borges Mafia Boy 7 Febbraio 2000 d.
Elaborazione dell informazione in campo tecnologico e sociale Everything touches everything Jorge Louis Borges Mafia Boy 7 Febbraio 2000 d.c., 10:20 Pacific Standard Time Yahoo passa da 10 milioni a 10
Dettaglialgoritmi e strutture di dati
algoritmi e strutture di dati grafi m.patrignani nota di copyright queste slides sono protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (inclusi, ma non limitatamente, immagini,
DettagliDipartimento di Comunicazione e Ricerca Sociale Corso di Internet Studies. Anno accademico 2015/16 Francesca Comunello
Dipartimento di Comunicazione e Ricerca Sociale Corso di Internet Studies Anno accademico 2015/16 Francesca Comunello Cosa vuol dire rete Nell arco di un decennio il network è diventato la logica culturale
DettagliAppunti del corso di Informatica 1 (IN110 Fondamenti) 7 Grafi e alberi: introduzione
Università di Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica (IN0 Fondamenti) Grafi e alberi: introduzione Marco Liverani (liverani@mat.uniroma.it)
Dettagli1 TEORIA DELLE RETI 1. 1 Teoria delle reti. 1.1 Grafi
1 TEORIA DELLE RETI 1 1 Teoria delle reti 1.1 Grafi Intuitivamente un grafo è un insieme finito di punti (nodi o vertici) ed un insieme di frecce (archi) che uniscono coppie di punti Il verso della freccia
DettagliBioinformatica. Grafi. a.a Francesca Cordero. Grafi Bioinformatica
fcordero@di.unito.it Introduzione cknowledgement Lucidi da. Horváth,. emetrescu et al, lgoritmi e strutture dati, McGraw-Hill 3 efinizione: che cosa sono i grafi? definizione astratta: un grafo G = (V,)
DettagliRichiami di Teoria dei Grafi. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Richiami di Teoria dei Grafi Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Teoria dei grafi La Teoria dei Grafi costituisce, al pari della Programmazione Matematica, un corpo
DettagliGrafi: introduzione. Definizioni: che cosa sono i grafi. Definizione
Grafi: introduzione e rappresentazione efinizioni: che cosa sono i grafi Un grafo G=(V,) consiste in: un insieme V di vertici (o nodi) un insieme di coppie di vertici, detti archi o spigoli: ogni arco
DettagliLa matematica dei network struttura e dinamiche di informazione
La matematica dei network struttura e dinamiche di informazione Fabio Fagnani fabio.fagnani@polito.it http://calvino.polito.it/ fagnani/ Dipartimento di Matematica Politecnico di Torino p. 1 L era dei
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G è costituito da una coppia di insiemi (V,A) dove V è detto insieme dei nodi e A è detto insieme di archi ed è un sottinsieme di tutte
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
DettagliStructural properties of planar graphs of urban street patterns
Structural properties of planar graphs of urban street patterns Alessio Cardillo Dipartimento di Fisica e Astronomia Università degli Studi di Catania Esame per il conseguimento della Laurea Specialistica
DettagliAppunti lezione Capitolo 13 Programmazione dinamica
Appunti lezione Capitolo 13 Programmazione dinamica Alberto Montresor 12 Novembre, 2015 1 Domanda: Fattore di crescita dei numeri catalani Vogliamo dimostrare che cresce almeno come 2 n. La nostra ipotesi
DettagliCENTRALITA nella RETE
CENTRALITA nella RETE Nozione di Centralità Nozione introdotta dai sociologi nel dopoguerra (Bavelas 1948) L ipotesi è che la centralità strutturale sia un elemento in grado di motivare l importanza di
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO. Matteo Re. Bioinformatica. A.A semestre I modulo 2 parte B.2. Kernel e funzioni di score kernelizzate
Docenti: Giorgio Valentini Matteo Re UNIVERSITÀ DEGLI STUDI DI MILANO C.d.l. Informatica Bioinformatica A.A. 2012-2013 semestre I modulo 2 parte B.2 2 Kernel e funzioni di score kernelizzate Bio MOTIVAZIONI
DettagliOpen walk: Nodo di partenza diverso da quello di arrivo Close walk: Nodo di partenza coincidente con quello di arrivo
Connettività WALK, TRAIL, PATH Walk (passeggiata) Walk (passeggiata): Una passeggiata è una sequenza di nodi e link che inizia e finisce con un nodo, in cui ogni nodo è incidente allo spigolo che lo precede
DettagliGrafi aleatori e reti nel mondo reale
Grafi aleatori e reti nel mondo reale Federico Bassetti Università degli Studi di Pavia Piacenza, 9-Novembre, 2011 Sommario 1 le reti nel modo reale 2 le reti in matematica: i grafi 3 reti aleatorie modello
DettagliPRINCIPI DI SOCIAL NETWORK ANALYSIS CORSO DI INTERFACCE, CONTENUTI E SERVIZI PER LE TECNOLOGIE INTERATTIVE PROF. GIOVANNI CIOFALO
PRINCIPI DI SOCIAL NETWORK ANALYSIS CORSO DI INTERFACCE, CONTENUTI E SERVIZI PER LE TECNOLOGIE INTERATTIVE PROF. GIOVANNI CIOFALO SOCIAL NETWORK & SOCIAL NETWORK ANALYSIS Rete? L insieme delle relazioni.
DettagliAlgoritmi e Strutture Dati
Introduzione ai grafi Grafi: Definizione e Algoritmi di visita Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino A.A. 2007/08 Introduzione ai
DettagliInformatica e Interazione Uomo-Macchina
Informatica e Interazione Uomo-Macchina Società dell Informazione e WEB 2.0 SUPPORTO DI 3 CREDITI AL SETTORE INF/01 «LINGUE E LETTERATURE STRANIERE» «Dio non gioca a dadi con l universo.» (Albert Einstein
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliMatrici delle differenze finite
Capitolo 8 Matrici delle differenze finite Si riportano in questo capitolo alcuni risultati e proprietà delle matrici delle differenze finite ovvero delle matrici che intervengono nel metodo delle differenze
DettagliFondamenti teorici e programmazione
Fondamenti teorici e programmazione FTP(A) - modb Lezione 7 F.Bonchi Dip.to Informatica Fondamenti teorici e programmazione (A) - modb a.a. 08/9 pag. Introduzione I grafi sono ovunque... Rete Ferroviaria
DettagliQualche nota sui metodi di link analysis
Qualche nota sui metodi di link analysis 17 aprile 2009 1 Nozioni utili di algebra lineare Definizione 1 Una matrice reale U di dimensioni n n è ortogonale quando Uv = v per ogni v R n L effetto della
DettagliIntroduzione ai grafi
TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale
DettagliUniversità Roma Tre - PAS Classe A048 "Matematica Applicata" - Corso di Informatica a.a. 2013/2014
Università Roma Tre Dipartimento di Matematica e Fisica Percorso Abilitante Speciale Classe A08 Matematica Applicata Corso di Informatica Algoritmi su Grafi Marco Liverani (liverani@mat.uniroma.it) Sommario
DettagliRichiami di matematica discreta: grafi e alberi. Paolo Camurati Dip. Automatica e Informatica Politecnico di Torino
Richiami di matematica discreta: grafi e alberi Paolo Camurati Dip. Automatica e Informatica Politecnico di Torino Grafi Definizione: G = (V,E) V: insieme finito di vertici E: insieme finito di archi,
DettagliAlgoritmi e Strutture di Dati
Algoritmi e Strutture di Dati I grafi m.patrignani Nota di copyright queste slides sono protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (inclusi, ma non limitatamente,
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Capitolo 12 Grafi e visite di grafi Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Definizione Un grafo G=(V,E) consiste in: - un insieme V di vertici (o nodi) - un insieme
DettagliEsercizi Union-Find e su Grafi. Ugo Vaccaro
Progettazione di Algoritmi Anno Accademico 0 07 Esercizi Union-Find e su Grafi. Ugo Vaccaro. Esercizio: Scrivere pseudocodice per Make-Set, Union, e Find-Set usando la rappresentazione attraverso liste
DettagliDIFFUSIONE SU GRAFO (rete) E RIPOSIZIONAMENTO DI FARMACI SULLA BASE DELLA SIMILARITA DI STRUTTURA MOLECOLARE
0 DIFFUSIONE SU GRAFO (rete) E RIPOSIZIONAMENTO DI FARMACI SULLA BASE DELLA SIMILARITA DI STRUTTURA MOLECOLARE Cammini aleatori su grafo (Random walk) 0 «processo di esplorazione casuale di un grafo mediante
Dettagli2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di
DettagliGrafi: definizioni e visite
Grafi: definizioni e visite Grafi (non orientati) Grafo (non orientato): G = (V, E) V = nodi (o vertici) E = archi fra coppie di nodi distinti. Modella relazioni fra coppie di oggetti. Parametri della
DettagliMetodi della conoscenza
SISTEMI COMPLESSI Metodi della conoscenza Analitico - Deduttivo Sintetico - Induttivo Probabilistico - Abduttivo Emergente - Selettivo Pierre Simon Laplace «Possiamo considerare lo stato attuale dell'universo
DettagliALGORITMI DI GENERAZIONE DI GRAFI CASUALI PER MODELLARE IL WEB OF TRUST - 1 -
- 1 - Capitolo 1 INTRODUZIONE In crittografia il sistema PGP (Pretty Good Privacy) è forse il crittosistema più usato al mondo. PGP usa sia la crittografia asimmetrica (detta anche a chiave pubblica) sia
DettagliIl Problema dell Albero Ricoprente Minimo (Shortest Spanning Tree - SST)
Il Problema dell Albero Ricoprente Minimo (Shortest Spanning Tree - SST) È dato un grafo non orientato G=(V,E). Ad ogni arco e i E, i=1,,m, è associato un costo c i 0 7 14 4 10 9 11 8 12 6 13 5 17 3 2
DettagliMODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla
Syllabus e Testi di Riferimento MIS 1 di 7 MODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla Syllabus da testo 1 (la numerazione fa riferimento ai capitoli del
DettagliLa matematica di Google
1/13 La matematica di Google Federica Galluzzi 30 marzo 2016 Torino, Dipartimento di Matematica 2/13 Motori di ricerca navigano nel web e individuano tutte le pagine ad accesso pubblico indicizzano i dati
DettagliRelazioni e reti per il Dopo di noi (a cura di Manuela Vinai e Emilio Sulis Q.R.S. Biella) Introduzione
Relazioni e reti per il Dopo di noi (a cura di Manuela Vinai e Emilio Sulis Q.R.S. Biella) Introduzione Una seconda parte dell indagine ha avuto lo scopo di approfondire il tema dell atteggiamento verso
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO. Matteo Re. Bioinformatica. A.A semestre I modulo 2 parte B.2. 1 Inferenze in reti biologiche
Docenti: Giorgio Valentini Matteo Re UNIVERSITÀ DEGLI STUDI DI MILANO C.d.l. Informatica Bioinformatica A.A. 2012-2013 semestre I modulo 2 parte B.2 1 Inferenze in reti biologiche MOTIVAZIONI Rappresentazioni
DettagliNote per la Lezione 21 Ugo Vaccaro
Progettazione di Algoritmi Anno Accademico 20 20 Note per la Lezione 2 Ugo Vaccaro In questa lezione introdurremo il concetto di grafo, esamineremo le loro più comuni rappresentazioni ed introdurremo i
DettagliObiezioni all esperimento di Milgram (percentuale lettere arrivate), ripetizione dell esperimento in altri contesti.
Tommaso Russo - Informatica IV - Programma svolto Testo di lettura: Mark Buchanan "NEXUS - la rivoluzionaria teoria delle reti" Arnoldo Mondadori collana "saggi" settembre 2003, ISBN 88-04-51251-2, euro
DettagliStudio degli effetti della fibrillazione atriale sull emodinamica cerebrale mediante l uso delle reti complesse
Politecnico di Torino Corso di Laurea Magistrale in Ingegneria Biomedica Tesi di Laurea Magistrale a.a. 2015/2016 Studio degli effetti della fibrillazione atriale sull emodinamica cerebrale mediante l
DettagliLaboratorio di Algoritmi e Strutture Dati
Laboratorio di Algoritmi e Strutture Dati Prof. Aniello Murano Grafi: Implementazione ed operazioni di base Corso di Laurea Codice insegnamento Email docente Anno accademico Laboratorio di Algoritmi e
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver Come ricavare una stima dell ottimo Rilassamento continuo - generazione di
DettagliProgetto e Ottimizzazione di Reti 2. Nozioni base di Teoria dei Grafi
Progetto e Ottimizzazione di Reti 2. Nozioni base di Teoria dei Grafi ANTONIO SASSANO (A-L) CARLO MANNINO(M-Z) Uniersità di Roma La Sapienza Dipartimento di Informatica e Sistemistica Corso di Larea in
DettagliLABORATORIO DI ALGORITMI E STRUTTURE DATI A-L. Ingegneria e scienze informatiche Cesena A.A: 2016/2017 Docente: Greta Sasso
LABORATORIO DI ALGORITMI E STRUTTURE DATI A-L Ingegneria e scienze informatiche Cesena A.A: 2016/2017 Docente: Greta Sasso Minimum Spanning Tree Albero di copertura (Spanning Tree): un albero di copertura
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
DettagliAMPL Problemi su Reti
Dipartimento di Matematica Università di Padova Corso di Laurea Informatica Outline Problemi su Reti Cammino Minimo Molti problemi di ottimizzazione combinatoria possono essere modellati ricorrendo ai
DettagliINFORMATICA AA Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali»
Università degli Studi di Ferrara Facoltà di Scienze MM FF NN Corso di Laurea in «Scienze e Tecnologie per i Beni Culturali» AA 2010-2011 INFORMATICA Prof. Giorgio Poletti giorgio.poletti@unife.it Grafi
DettagliINFORMATICA. Prof. Giorgio Poletti Laurea Triennale in Economia a.a
5 INFORMATICA Prof. Giorgio Poletti giorgio.poletti@unife.it Laurea Triennale in Economia a.a. 2018 2019 Sviluppo del corso Modulo II e Modulo III Modulo II Dato e informazione: capire per comprendere
DettagliCOMPORTAMENTI LOCALI E FENOMENI GLOBALI
STRUTTURA DELLE RETI SOCIALI COMPORTAMENTI LOCALI E FENOMENI GLOBALI Vincenzo Auletta COMPORTAMENTI LOCALI E FENOMENI GLOBALI Le network sono uno strumento utilissimo per descrivere il rapporto tra i comportamenti
Dettagli(Laboratorio di ) Sistemi Informa3ci Avanza3. Giuseppe Manco
(Laboratorio di ) Sistemi Informa3ci Avanza3 Giuseppe Manco MODELLI MATEMATICI Qual è il modo più semplice di generare un grafo? Erdos- Renyi Random Graph model [Erdos- Renyi, 60] Due varian3: G n,p Grafo
DettagliLezione n.7 DI RETI COMPLESSE
Lezione n.7 ANALISI STATISTICA DI RETI COMPLESSE Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6 1 RIASSUNTO DELLA LEZIONE Introduzione : Reti complesse Small-Worlds Social Networks
DettagliAlcuni concetti di Fisica delle Reti Complesse.
Allegato 1. Alcuni concetti di Fisica delle Reti Complesse. a1.1 Universalità. In meccanica statistica, l universalità è l osservazione che ci sono propietà, per una ampia classe di sistemi, che sono indipendenti
DettagliMetodi e Applicazioni per Social Network. Presentazione progetto
Metodi e Applicazioni per Social Network Presentazione progetto Punti di forza: 700 milioni di utenti attivi, dietro solo a Facebook e a YouTube social network giovane, nata nel 2010, ancora in crescita
DettagliLaboratorio di Algoritmi
Laboratorio di Algoritmi Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Martedì 8.30-10.30 in aula 3 Mercoledì 10.30-12.30 in Aula 2 Giovedì 8.30-10.30 in
DettagliLezione n.14 SCALE FREE NETWORKS 22/4/2008
Lezione n.14 SCALE FREE NETWORKS 22/4/2008 Materiale didattico: Materiale distribuito a Lezione Peer-to-Peer Systems and Applications Capitolo 6 1 Processo di Poisson DISTRIBUZIONE POISSONIANA eventi indipendenti
DettagliLezione n.11 ANALISI DI RETI COMPLESSE 21/4/2009
Lezione n.11 ANALISI DI RETI COMPLESSE 21/4/2009 Libro di Testo, Capitolo 3 1 RIASSUNTO DELLE PROSSIME LEZIONI Introduzione : Reti complesse Small-Worlds Social Networks L esperimento di Milgram Grafi
Dettagli«Sciente e Tecnologie dei Beni Culturali»
5 Informatica CdS in «Sciente e Tecnologie dei Beni Culturali» AA 2014-2015 Mini-sito dell insegnamento: http://www.unife.it/scienze/beni.culturali/insegnamenti/informatica Prof. Giorgio Poletti giorgio.poletti@unife.it
DettagliSoluzioni della settima esercitazione di Algoritmi 1
Soluzioni della settima esercitazione di Algoritmi 1 Beniamino Accattoli 19 dicembre 2007 1 Grafi Un grafo è non orientato se descrivendo un arco come una coppia di vertici (i,j) l ordine è ininfluente
DettagliLezione n.12 ANALISI DI RETI COMPLESSE 8/4/2008
Lezione n.12 ANALISI DI RETI COMPLESSE 8/4/2008 Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6 Materiale distribuito a lezione 1 RIASSUNTO DELLE PROSSIME LEZIONI Introduzione : Reti
DettagliAlgoritmi e Strutture Dati. Capitolo 11 Grafi e visite di grafi
Algoritmi e Strutture Dati Capitolo 11 Grafi e visite di grafi grafi, teoria dei grafi, problemi su grafi Origini storiche Nel 1736, il matematico Eulero, affrontò l annoso problema dei 7 ponti di Königsberg
DettagliMetodi e applicazioni per social networks. SOcial MEdia MiNIng
Metodi e applicazioni per social networks SOcial MEdia MiNIng Social Media Mining is the process of representing, analyzing, and extracting meaningful patterns from social media data Docenti: Sabrina Gaito
DettagliTeoria dei Grafi Parte I. Alberto Caprara DEIS - Università di Bologna
Teoria dei Grafi Parte I Alberto Caprara DEIS - Università di Bologna acaprara@deis.unibo.it Teoria dei Grafi Paradigma di rappresentazione di problemi Grafo G : coppia (V,E) V = insieme di vertici E =
DettagliMECCANICA STATISTICA E SISTEMI COMPLESSI
La ricerca in Fisica a Roma Sapienza MECCANICA STATISTICA E SISTEMI COMPLESSI Irene Giardina Meccanica Statistica Descrizione statistica sistemi macroscopici a partire dalle proprietà microscopiche H P!
DettagliIntelligenza collettiva Swarm intelligence
Intelligenza collettiva Swarm intelligence Andrea Roli andrea.roli@unibo.it DEIS Alma Mater Studiorum Università di Bologna Intelligenza collettiva p. 1 Swarm Intelligence Intelligenza collettiva p. 2
DettagliCaterina Fenu, Giuseppe Rodriguez
Grafo, Giuseppe Rodriguez Dipartimento di Matematica e Informatica, Università di Cagliari viale Merello 92, 09123 Cagliari (Dip. in collab. con Michele Marchesi e Roberto Tonelli Ingegneria Elettrica
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N
DettagliCOMPORTAMENTI LOCALI E FENOMENI GLOBALI
COMPORTAMENTI LOCALI E FENOMENI GLOBALI COMPORTAMENTI LOCALI E FENOMENI GLOBALI 1 Le reti sono uno strumento utilissimo per descrivere il rapporto tra i comportamenti locali dei singoli ed i fenomeni globali
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliIntroduzione alla network analysis
Introduzione alla network analysis Raffaele Giammetti (Università Politecnica delle Marche) 1.I network: esempi e applicazioni La network analysis è un ramo della scienza delle reti che si occupa dello
DettagliRETI SOCIALI A.A. 2016/2017 DOCENTI LUISA GARGANO ADELE A. RESCIGNO
RETI SOCIALI A.A. 2016/2017 DOCENTI LUISA GARGANO ADELE A. RESCIGNO Internet, Router Level I "Punti" sono macchine fisiche I "Link" sono cavi fisici L'interazione è elettronica I punti sono Persone I link
DettagliProgettazione di algoritmi. Classe 3 (matricole congrue 2 modulo 3) Prof.ssa Anselmo. Appello del 15 Novembre Attenzione:
COGNOME: Nome: Progettazione di algoritmi Classe 3 (matricole congrue 2 modulo 3) Prof.ssa Anselmo Appello del 15 Novembre 2016 Attenzione: Inserire i propri dati nell apposito spazio soprastante e sottostante.
Dettagli