Dynamics On and Of Complex Networks III: Machine Learning and Statistical Physics Approaches

این کتاب شکاف بین پیشرفت‌های جوامع علوم کامپیوتر و فیزیک - یعنی یادگیری ماشین و فیزیک آماری را پر می‌کند. این شامل موضوعات متنوع اما مرتبط در فیزیک آماری، سیستم های پیچیده، نظریه شبکه و یادگیری ماشین است. نمونه‌هایی از این موضوعات عبارتند از: پیش‌بینی لینک‌های گمشده، مدل‌سازی مولد مرتبه بالاتر شبکه‌ها، استنباط ساختار شبکه با ردیابی تکامل و پویایی ردیابی‌های دیجیتال، سیستم‌های توصیه‌گر و فرآیندهای انتشار.
کتاب حاوی نسخه‌های توسعه‌یافته با کیفیت بالا است. موارد ارسالی دریافت شده در کارگاه، Dynamics On و Of Complex Networks (doocn.org)، همراه با مشارکت های دعوت شده جدید. این فصل ها برای جامعه متنوعی از محققان مفید خواهد بود. این کتاب برای دانشجویان تحصیلات تکمیلی، پژوهشگران فوق دکترا و اساتید رشته های مختلف از جمله جامعه شناسی، فیزیک، ریاضیات و علوم کامپیوتر مناسب است.

This book bridges the gap between advances in the communities of computer science and physics--namely machine learning and statistical physics. It contains diverse but relevant topics in statistical physics, complex systems, network theory, and machine learning. Examples of such topics are: predicting missing links, higher-order generative modeling of networks, inferring network structure by tracking the evolution and dynamics of digital traces, recommender systems, and diffusion processes.
The book contains extended versions of high-quality submissions received at the workshop, Dynamics On and Of Complex Networks (doocn.org), together with new invited contributions. The chapters will benefit a diverse community of researchers. The book is suitable for graduate students, postdoctoral researchers and professors of various disciplines including sociology, physics, mathematics, and computer science.