Vertex misalignment and changepoint localization in network time series
网络时间序列中的顶点错位与变点定位AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究网络时间序列的顶点对应和变点定位，因此同时具有网络方法、时间序列与结构变化的直接文本依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
网络时间序列中的顶点错位与变点定位
- 研究问题
- 动态网络在不同时间的顶点对应关系未知或错误时，变点定位会受到何种影响，图匹配或最优传输能否修复这些误差？
- 方法与思路
- 作者比较两个变点信息分别存在于潜在位置边际分布或联合分布的模型，考察平均度、欧氏镜像等方法，并分析匹配与传输的关系。
- 材料陈述的贡献
- 摘要称顶点错位在一个模型中影响较小，在另一个模型中会严重妨碍定位且无法由所考察的匹配或传输方法纠正。
- 阅读关注点
- 应核对两个模型的区别、顶点错位机制、定位误差的衡量方式，以及无法修复的结论针对哪些信息结构和方法成立。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实。结论来自两个说明性模型，摘要未提供一般网络上的统一定位保证。
原文摘要
Inference for time series of networks often relies on accurate vertex correspondence between network realizations at different times. In practice, however, such vertex alignments can be misspecified or unknown. We study the impact of vertex alignment on changepoint localization for dynamic networks through two illustrative models, each with a similar changepoint, with the key distinction being whether changepoint information is contained in marginal or joint distributions of the time-varying latent positions. We compare localization techniques ranging from the simple network statistic of average degree to the modern procedure of Euclidean mirrors. In one model, vertex misalignment causes little error, and in the other, it impairs localization in ways that cannot be corrected through graph matching or optimal transport, which we show are closely related in this setting. Our results demonstrate that robust network inference necessitates reckoning with the subtle interplay of marginal and joint information in the observed network time series.