Λέσχη Φίλων Στατιστικής - GrStats forum
AUEB INFORMATICS SEMINARS - 21/6/2016: A Bayesian nonparametric model for sparse dynamic networks Forumgrstats

Join the forum, it's quick and easy

Λέσχη Φίλων Στατιστικής - GrStats forum
AUEB INFORMATICS SEMINARS - 21/6/2016: A Bayesian nonparametric model for sparse dynamic networks Forumgrstats
Λέσχη Φίλων Στατιστικής - GrStats forum
Would you like to react to this message? Create an account in a few clicks or log in to continue.
Για προβλήματα εγγραφής και άλλες πληροφορίες επικοινωνήστε με : grstats.forum@gmail.com ή grstats@stat-athens.aueb.gr

Go down
grstats
grstats
Posts : 966
Join date : 2009-10-21
http://stat-athens.aueb.gr/~grstats/

AUEB INFORMATICS SEMINARS - 21/6/2016: A Bayesian nonparametric model for sparse dynamic networks Empty Re: AUEB INFORMATICS SEMINARS - 21/6/2016: A Bayesian nonparametric model for sparse dynamic networks

Tue 21 Jun 2016 - 12:13
Reminder for today.
grstats
grstats
Posts : 966
Join date : 2009-10-21
http://stat-athens.aueb.gr/~grstats/

AUEB INFORMATICS SEMINARS - 21/6/2016: A Bayesian nonparametric model for sparse dynamic networks Empty AUEB INFORMATICS SEMINARS - 21/6/2016: A Bayesian nonparametric model for sparse dynamic networks

Mon 6 Jun 2016 - 11:44
Ανακοίνωση σεμιναρίου:

Τρίτη *21 Ιουνίου, ώρα 14:00 στην αίθουσα 709* (στο κτήριο της Ευελπίδων του Οικονομικού Πανεπιστημίου Αθηνών)
θα δοθεί ομιλία από την Κωνσταντίνα Πάλλα (http://mlg.eng.cam.ac.uk/konstantina/)
η οποία εργάζεται ως ερευνήτρια στο Τμήμα Στατιστικής του Πανεπιστημίου της Οξφόρδης.
Πληροφορίες για το θέμα του σεμιναρίου δίνονται παρακάτω.

Σημαντική σημείωση: *Η ομιλία θα ξεκινήσει ακριβώς στις 14:00 (και όχι 14:15)*


---------------------------------------------------------------
Title: A Bayesian nonparametric model for sparse dynamic networks.

Abstract:
We propose a Bayesian nonparametric prior for time-varying networks. To
each node of the network is associated a positive parameter, modeling the
sociability of that node. Sociabilities are assumed to evolve over time,
and are modeled via a dynamic point process model. The model is able to
(a) capture smooth evolution of the interaction between nodes, allowing edges
to appear/disappear over time (b) capture long term evolution of the
sociabilities of the nodes (c) and yield sparse graphs, where the number
of edges grows subquadratically with the number of nodes. The evolution of the
sociabilities is described by a tractable time-varying gamma process. We provide
some theoretical insights into the model and apply it to three real world datasets.

Konstantina Palla
http://mlg.eng.cam.ac.uk/konstantina/
Back to top
Permissions in this forum:
You cannot reply to topics in this forum