Temporal network embedding framework with causal anonymous walks representations

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

21 сентября 2026 г.

Ученые НИУ ВШЭ показали, что врожденные нарушения моторики влияют на развитие мозга

Исследователи из Института когнитивных нейронаук НИУ ВШЭ обобщили результаты своих предыдущих исследований, посвященных особенностям развития мозга у детей с акушерским параличом плечевого сплетения и артрогрипозом. Анализ показал, что нарушение моторики в раннем возрасте не только ведет к недостатку двигательного опыта, но и влияет на память, категориальное мышление и обработку информации. Работа опубликована в журнале Frontiers in Psychology.

22 сентября 2026 г.

Как россияне взаимодействуют с ИИ при поиске информации в интернете

Школа коммуникаций НИУ ВШЭ и Online Market Intelligence провели исследование пользовательского поискового опыта в российском сегменте интернета. Как показали результаты, пользователи в России уже воспринимают ИИ-ответ в выдаче как естественную часть поиска и используют его наравне с привычным списком ссылок. При этом на рынке самостоятельных нейросетей (отдельных чат‑ботов) уверенно лидирует Алиса AI от Яндекса — ее регулярно используют 40 % опрошенных.

18 сентября 2026 г.

«Время на содержательные вопросы у нас не лимитировалось»

Международная лаборатория атомистического суперкомпьютерного моделирования и многомасштабного анализа НИУ ВШЭ провела масштабную конференцию «Молекулярная динамика». Участники могли услышать всех докладчиков, а сами докладчики — ответить на любое количество содержательных вопросов. О подготовке конференции и дискуссиях «Вышка.Главное» поговорила с заведующим лабораторией Григорием Смирновым и ее главным научным сотрудником Генри Норманом.

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Temporal network embedding framework with causal anonymous walks representations

PeerJ Computer Science. 2022. Vol. 8. Article e858.

Макаров И. А., Савченко А. В., Arseny K., Leonid S., Nikita Severin, Киселёв Д. А., Aleksandr M., D. B.

Язык: английский

DOI

PSIICOS projection optimality for EEG and MEG based functional coupling detection

Алтухов Д. И., Клеева Д. Ф., Осадчий А. Е., Neuroimage 2023 Vol. 280 Article 120333

Добавлено: 24 сентября 2023 г.

1st Symposium on Algorithmic Foundations of Dynamic Networks (SAND 2022, March 28–30, 2022, Virtual Conference)

Schloss Dagstuhl – Leibniz-Zentrum für Informatik, Dagstuhl Publishing, 2022.

Добавлено: 29 апреля 2022 г.

Temporal network embedding framework with causal anonymous walks representations

Макаров И. А., Савченко А. В., Arseny Korovko и др., PeerJ Computer Science 2022 Vol. 8 Article e858

Many tasks in graph machine learning, such as link prediction and node classification, are typically solved using representation learning. Each node or edge in the network is encoded via an embedding. Though there exists a lot of network embeddings for static graphs, the task becomes much more complicated when the dynamic (i.e., temporal) network is analyzed. ...

Добавлено: 20 января 2022 г.

Temporal Bibliographic Networks

Батагель В., Мальцева Д. В., Journal of Informetrics 2020 Vol. 14 No. 1 P. 1–14

We present two ways (instantaneous and cumulative) to transform bibliographic networks, using the works’ publication year, into corresponding temporal networks based on temporal quantities. We also show how to use the addition of temporal quantities to define interesting temporal properties of nodes, links and their groups thus providing an insight into evolution of bibliographic networks. ...

Добавлено: 22 октября 2019 г.

Stability and Similarity in Networks Based on Topology and Nodes Importance

Алескеров Ф. Т., Швыдун С. В., , in: Studies in Computational Intelligence* 1. Vol. 812: Complex Networks and Their Applications VII.: Springer, 2019. P. 94–103.

We propose a model that evaluates how much a network has changed over time in terms of its structure and a set of central elements. The difference of structure is evaluated in terms of node-to-node influence using known nodes correspondence models. To analyze the changes in nodes centralities we adapt an idea of interval orders ...

Добавлено: 4 декабря 2018 г.

An algebraic approach to temporal network analysis based on temporal quantities

Батагель В., PRAPROTNIK S., Social Network Analysis and Mining 2016 Vol. 6 No. 1 P. 1–22

Добавлено: 1 ноября 2018 г.

Spectral centrality measures in temporal networks

Батагель В., Praprotnik S., Ars Mathematica Contemporanea 2016 Vol. 11 No. 1 P. 11–33

Добавлено: 1 ноября 2018 г.