Beruflich Dokumente
Kultur Dokumente
bersicht
1 2 3
Einfhrung
Netzwerkmodelle
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Einfhrung Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
2 3
Netzwerkmodelle
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur Krankheitserreger
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur Krankheitserreger soziale Gruppen
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur Krankheitserreger soziale Gruppen Stdte/ Verkehr
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur Krankheitserreger soziale Gruppen Stdte/ Verkehr Proteine/ Gene
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur Krankheitserreger soziale Gruppen Stdte/ Verkehr Proteine/ Gene Zellen
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Beispiele
Internet neuronale Netze Infrastruktur Krankheitserreger soziale Gruppen Stdte/ Verkehr Proteine/ Gene Zellen Panzen
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Warum Netzwerke?
Real networks represent populations of individual components that are actually doing something. [D. Watts, 2003] [1]
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Warum Netzwerke?
Real networks represent populations of individual components that are actually doing something. [D. Watts, 2003] [1]
nicht-linear
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Warum Netzwerke?
Real networks represent populations of individual components that are actually doing something. [D. Watts, 2003] [1]
nicht-linear
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Warum Netzwerke?
Real networks represent populations of individual components that are actually doing something. [D. Watts, 2003] [1]
nicht-linear
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Physikalische Betrachtungen
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Epidemiologie
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Mustererkennung
Was ist ein Netzwerk? Netzwerke in der realen Welt Der Netzwerkansatz
Gesellschaftliche Phnomene
[A7]
[A8] Interaktionen zwischen Menschen (z.B. soziale Netzwerke wie Facebook und Gruppenverhalten)
1 2
Einfhrung
Netzwerkmodelle
Begrisklrung
Knoten n
Begrisklrung
Knoten n
Begrisklrung
Knoten n
Begrisklrung
Knoten n
ij
Begrisklrung
Knoten n
ij
Begrisklrung
Knoten n
ij
Graph G (N , K )
Begrisklrung
Knoten n
ij
Graph G (N , K )
Begrisklrung
Knoten n
ij
Graph G (N , K ) ((un)gerichtet)
ij = lji
Begrisklrung
Knoten n
ij
Begrisklrung
Knoten n
ij
Begrisklrung
Knoten n
ij
Begrisklrung
Knoten n
ij
ij
Begrisklrung
Knoten n
ij
1
N N
1)
ij
i ,j
ij
32 20
,i = j = 1.6
mittlere Weglnge
L=
Begrisklrung
Begrisklrung
Grad k
Begrisklrung
Grad k
Begrisklrung
Grad k
i
D D = (dij ) =
0 1 1 2 1 1 0 2 3 2 1 2 0 2 1 2 3 2 0 1 1 2 1 1 0
Geodtenmatrix
Begrisklrung
Grad k
i
D = max(dij ) = 3
Geodtenmatrix Durchmesser d
Begrisklrung
Grad k
i
D
i (j , k ) =
Anzahl g (j ,k ) der Geodten von j nach k , die durch i gehen a Anzahl g (j ,k ) der Geodten von j nach k a
i
Begrisklrung
Grad k
i
D
b4 (2, 3) =
Dennis Goldschmidt/ Matthias Straube
1 2
Begrisklrung
Grad k
i
D
i
b
k=
i =j
k (i , j ) =
k (i , j )
(, )
i =j
g i j
Begrisklrung
Die Gradverteilung gehorcht einem Exponentengesetz:
P k
( ) k ,
(Gradexponent
Grad k
i
D
Je kleiner Netzwerk Fr
desto relevanter
>3
relevant, fr 3 Knoten
>>2
gilt eine
Clustering
Bildung von Gemeinschaften von Knoten, die untereinander stark verbunden sind.
Clustering-Koezient
Denition Der Clustering-Koezient drckt die Wahrscheinlichkeit aus, dass ein Knoten i , der mit einem Knoten j verbunden ist, ebenfalls mit einem Knoten k verbunden ist, falls j und k verbunden sind.
Lokaler Clustering-Koezient
i=
Anzahl der Dreiecke, die mit verbunden sind Anzahl der Links mit als Zentrum
i i
Lokaler Clustering-Koezient
i=
Anzahl der Dreiecke, die mit verbunden sind Anzahl der Links mit als Zentrum
i i
Lokaler Clustering-Koezient
i=
Anzahl der Dreiecke, die mit verbunden sind Anzahl der Links mit als Zentrum
i i
Lokaler Clustering-Koezient
i=
Anzahl der Dreiecke, die mit verbunden sind Anzahl der Links mit als Zentrum
i i
c1
1 3
0.33
Globaler Clustering-Koezient
1
N
N i
1 c1 = 3 ,
c2
= 0,
c3
= 1, 2
c4
= 0,
c5
1 3
c=
7 30
0.23
1 2 3
Einfhrung
ab.
Dennis Goldschmidt/ Matthias Straube Einfhrung in die Netzwerktheorie
ab.
Dennis Goldschmidt/ Matthias Straube Einfhrung in die Netzwerktheorie
ab.
Dennis Goldschmidt/ Matthias Straube Einfhrung in die Netzwerktheorie
Gitternetzwerk
Einfachste Form eines Netzwerks durch geometrische Anordnung der Knoten Niedriger Grad Hohes Clustering Lange mittlere Weglnge (keine Abkrzungen)
Links: Ausschnitt aus einer NaCl-Kristallstruktur [A9]
Zufallsnetzwerk
miteinander verbunden verschiedene Modelle der Verteilung Die Wahrscheinlichkeit, die Knoten miteinander zu verbinden ist unabhngig von vorher gesetzten Verbindungen
Schematisches Zufallsnetzwerk [A11]
Erds-Rnyi-Modell (1959)
Poisson-verteilte Gradverteilung:
P k
( )=
1
k
k (1 p )N k
Variation von p
Variation im Verhalten
Barabsi-Albert-Modell (1999)
Der Algorithmus:
p
i=
i j kj
k 3 )
Skalenfreie Verteilung nach dem Exponentengesetz (P (k ) Prferierte Linksetzung Selbstorganisation des Systems Robust gegen Angrie, Ausflle
[A14]
Small-World Netzwerk
Knoten sind ber wenige Links miteinander verbunden, ohne dass die meisten Knoten direkt miteinander verbunden sind Kurze mittlere Weglnge bedingt durch einige zufllige Links
Schematisches Small-World Netzwerk [A15]
Hheres Clustering als bei Zufallsnetzwerken Oft in der Natur zu nden, z.B. Gene, kosysteme, aber auch das Internet
Watts-Strogatz-Modell (1998)
N
jeder Knoten ist zu seinen nchsten Nachbarn und dessen Nachbarn verbunden Durch Wahrscheinlichkeit p werden Knoten zufllig neu verbunden
mit der Zeit, somit Bildung eines Small-World Netzwerks (z.B. six degrees of separation)
[A14]
Oracle of Bacon
Anzahl der Schauspieler 1 2512 263345 846332 207260 15601 1444 176 29
Fazit
Fazit
Netzwerkstrukturen nden sich hug in der Natur Verstndnis kann zu Lsungen fr komplexe Systeme fhren(auch wenn diese nicht oensichtlich netzwerkartig sind)
Fazit
Netzwerkstrukturen nden sich hug in der Natur Verstndnis kann zu Lsungen fr komplexe Systeme fhren(auch wenn diese nicht oensichtlich netzwerkartig sind) Forschungsergebnisse der letzten Jahre zeigen Fortschritte in der Adaption auf real existierende Probleme (siehe Barabsi,
Watts )
Fazit
Fazit
Noch Fragen?!
Fazit
Nicht?
Fazit
Literatur
[1]
Six Degrees: The Science of a Connected Age,
Watts, Duncan;
Abbildungsquellen
Abbildungsquellen
Abbildungsquellen