Euclidean mirrors and first-order changepoints in network time series
网络时间序列的欧氏镜像与一阶变点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及变点定位，分类依据是方法对象而非类器官应用的宏观经济属性。
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…
网络时间序列的欧氏镜像与一阶变点
- 研究问题
- 研究网络分布连续变化但演化速率发生改变时，如何定义并定位一阶变点，以及潜在位置过程能否提供可估计的表示。
- 方法与思路
- 作者用潜在位置随机过程描述网络演化，将其表示为欧氏空间中的镜像曲线，构造含一阶变点的网络并分析谱估计。
- 材料陈述的贡献
- 摘要称欧氏镜像的谱估计能够定位此类变点，模拟及类器官网络实例显示其可捕捉网络演化中具有经验意义的转变。
- 阅读关注点
- 应核对欧氏镜像与一阶变点的定义、谱估计的定位条件和误差性质，以及连续分布变化与演化速率变化的区别。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明定位精度和条件，类器官实例不直接证明经济网络适用性。
原文摘要
We describe a model for a network time series whose evolution is governed by an underlying stochastic process, known as the latent position process, in which network evolution can be represented in Euclidean space by a curve, called the Euclidean mirror. We define the notion of a first-order changepoint for a time series of networks, and construct a family of latent position process networks with underlying first-order changepoints. We prove that a spectral estimate of the associated Euclidean mirror localizes these changepoints, even when the graph distribution evolves continuously, but at a rate that changes. Simulated and real data examples on organoid networks show that this localization captures empirically significant shifts in network evolution.