Разработка эффективных алгоритмов анализа сетевых мотивов является актуальным и имеет достаточно большое значение при исследовании социальных, биологических и некоторых других сетей. В статье представлено веб-приложение для подсчёта частот встречаемости подграфов на трех и четырех вершинах в больших сетях, а также для выявления так называемых сетевых мотивов. Веб-приложение реализует функционал системы MFSView и основывается на методе случайного выбора остовных деревьев. Разработанная система построена по типу клиент-серверной архитектуры и использует ряд таких эффективных технологий и фреймворков, как на клиенте - JavaScript и bootstrap, так и на сервере - Django.
Идентификаторы и классификаторы
Самыми востребованными программными решениями на данный момент являются Mavisto, Fanmod и MotifNet. Первое решение привлекает внимание, благодаря скорости поиска сетевых мотивов, второе – отображением, а третье решение при регистрации предоставляет возможность обработать свои файлы не через десктопное приложение, однако потребует регистрации и раздельный формат данных, что не для всех является удобным. В частности, например, для анализа графа в MotifNet необходимо загрузить сразу два файла: файл с вершинами и файл с ребрами определенного формата. Наиболее известными учеными, предложившими новые методы и алгоритмы нахождения сетевых мотивов в графах являются Н. Каштана (MFinder, 2003), Ф. Шрайбер (Mavisto, 2005), С. Верник (Fanmod, 2006), Ж. Чен (NeMoFinder, 2006) LaMoFinder, 2007), З. Р. Кашани (Kavosh, 2009), М. Бруена (GUISE, 2012), Л. Мейра (AccMotif, 2013), М. Рахмана (Graft, 2014), А. Пинар (ESCAPE, 2017), И. Ю. Смолий (MotifNet, 2017), П. Вонга (MOSS-5, 2018) и некоторые другие.
Список литературы
-
Paredes P. FaSE - Fast Subgraph Enumeration // Pedro Paredes, Pedro Ribeiro. URL: https://github.com/ComplexNetworks-DCC-FCUP/fase (дата обращения: 10.09.2019).
-
Milo R., Shai S Shen-Orr, Shalev Itzkovitz, Nadav Kashtan.Network motifs: Simple building blocks of complex networks // Science. 2002. Vol. 298. P. 824-827. EDN: EJDGFF
-
Wernicke S., Rasche F. FANMOD: a tool for fast network motif detection // Bioinformatics. 2006. Vol. 22, no. 9. P. 1152-1153. EDN: ILFDXT
-
Bhuiyan M. A., Rahman М., Hasan M. Al. Guise: Uniform sampling of graphlets for large graph analysis // Proceedings of the 12th International Conference on Data Mining (ICDM). Brussels, Belgium, 2012. P. 91-100. Том 9, Номер 3, 2022.
-
Rahman M., Mansurul Alam Bhuiyan, Mohammad Al Hasan. Graft: An efficient graphlet counting method for large graph analysis // IEEE Transactions on Knowledge and Data Engineering. 2014. Vol. 26, no. 10. P. 2466-2478.
-
Wang P., Zhao Junzhou, Zhang Xiangliang [et al.]. MOSS-5: A fast method of approximating counts of 5-node graphlets in large graphs // IEEE Transactions on Knowledge and Data Engineering. 2018. Vol. 30, no. 1. P. 73-86.
-
Юдина М. Н. MFSView. URL: https://github.com/MNYudina/MFSView (дата обращения: 13.02.2022).
-
Юдина М. Н. Методы и алгоритмы ускоренного расчета частот встречаемости сетевых мотивов в больших случайных графах: дис.. канд. техн. наук / ОмГТУ. Омск, 2020. 145 с.
-
Smoly I. Y., Lerman E., Ziv-Ukelson Michal, Yeger-Lotem Esti. MotifNet: A web-server for network motif analysis //Bioinformatics. 2017. Vol. 33, no. 12. P. 1907-1909.
Выпуск
Другие статьи выпуска
Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.
В статье рассмотрен алгоритм оптимизации расписания заданий на производстве. На основе плана смены (графика варок) и спецификаций заказов, загружаемых пользователем из файлов, система составляет расписание, состоящее из заданий «Подачи в зону отвешивания», «Отвешивание», «Перемещение в зону временного хранения», «Подача к реактору». Разработка выполнена в рамках заказа компании Unilever.
В работе представлен способ применения статистической математической модели в процессе генерации базы данных для обучения искусственной нейронной сети. Исследование проводилось на примере прогнозирования физико-химических свойств модели многокомпонентной смеси дизельного топлива и водородсодержащего газа. В результате получена нейронная сеть, которая определяет искомые величины с ошибкой 0,2%. Это позволит использовать нейронную сеть в динамических системах оценки загрязнений технологических аппаратов со стороны исследуемой углеводородной смеси без использования сторонних программных продуктов.
Некорректная формализация исходной системы при построении математической модели может привести к бесполезной многозатратной работе и, более того, к неверным выводам. Эти модели не могут быть исправлены за счет применения более общих свойств или более сложных конструкций. В статье обсуждаются пути построения адекватных моделей для сложных систем децентрализованного типа, содержащих различные активные элементы со своими интересами и наборами действий. Указаны базовые свойства систем, которые будут соответствовать моделям данного типа. На этой основе можно проводить предварительный отбор подходящей модели конкретной реальной системы.
В данной работе рассматривается применение задачи о назначениях в распределенной вычислительной системе кредитной организации. Постановка задачи для данной системы отличается от классической задачи о назначениях. Разработан итерационный алгоритм решения данной задачи. Проведены вычислительные эксперименты с использование Microsoft Excel.
Предлагается имитационная модель серверного комплекса при распределении вычислительной нагрузки с помощью сервера-балансира. Модель распределения нагрузки между серверами создана в программной среде MATLAB/Simulink/SimEvents/Stateflow. Модель является дискретно-событийной и позволяет учитывать случайный характер моментов возникновения заявок от пользователей и переменную длительность задержек при обработке задач.
Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.
Издательство
- Издательство
- ОмГТУ
- Регион
- Россия, Омск
- Почтовый адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- Юр. адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- ФИО
- Корчагин Павел Александрович (Ректор )
- E-mail адрес
- info@omgtu.ru
- Контактный телефон
- +7 (381) 2653407
- Сайт
- https://omgtu.ru/