Top

네트워크 2/e

  • 원서명Networks 2nd Edition (ISBN 9780198805090)
  • 지은이마크 뉴만(Mark Newman)
  • 옮긴이김희태, 손승우, 윤진혁, 조항현, 이 은, 이상훈, 이미진
  • ISBN : 9791161757117
  • 60,000원
  • 2022년 12월 29일 펴냄
  • 페이퍼백 | 852쪽 | 188*246mm
  • 시리즈 : 데이터 과학

책 소개

요약

컴퓨터 네트워크, 사회연결망, 생물학적 네트워크를 포함하는 네트워크 연구는 최근 몇 년 동안 엄청난 관심을 끌었다. 인터넷의 급부상과 함께 저렴하고 폭넓게 이용할 수 있는 컴퓨터의 도움으로 전례 없이 큰 규모의 네트워크 데이터를 수집하고 분석할 수 있게 됐으며, 새로운 이론적 도구 개발로 다양한 종류의 네트워크에서 새로운 지식을 얻을 수 있게 됐다. 네트워크 연구는 광범위한 학제 간 연구이며 수학, 물리학, 컴퓨터 및 정보과학, 생물학, 사회과학을 포함한 많은 분야에서 발전이 있어왔다. 이 책은 이러한 각 분야에서의 가장 중요한 발견을 모아 각기 다른 분야의 업적들 간의 강한 상호 연결을 강조하며 통일된 방식으로 제시하고자 한다.

추천의 글

“이 책은 가장 뛰어난 연구자이자 우아한 설명가 중 한 명이 쓴 네트워크 과학 분야의 거의 완벽한 책이다. 명확하고 포괄적이며 매혹적이다.”
—스티븐 스트로가츠(Steven Strogatz)/ 코넬대학교 수학과

“이 분야의 거물 중 한 명이 저술한 네트워크 과학에 관한 매우 포괄적이고 명확한 해설이다. 저자는 아무리 기술적인 콘텐츠라도 광범위한 독자층이 접근할 수 있도록 하는 데 성공했다.”
—산토 포투나토(Santo Fortunato)/ 인디애나대학교 정보학 및 컴퓨팅 학부

“세계의 저명한 네트워크 과학자 중 한 명이 저술한 이 책은 활용 가능한 주제에 대한 가장 포괄적인 입문서다. 저자의 특징적인 명확성을 보여주고 최근의 연구를 반영하기 위해 철저히 개정된 이 두 번째 판은 학생과 연구원 같은 분들을 위한 필수 자료다.”
—던컨 와츠(Duncan Watts)/ 마이크로소프트 리서치

이 책에서 다루는 내용

◆ 네트워크의 측정
◆ 물리학, 통계학, 사회학에서 개발된 방법을 포함하는 네트워크 데이터 분석 방법
◆ 그래프 이론의 기초
◆ 스펙트럼 알고리듬과 커뮤니티 찾기를 포함한 컴퓨터 알고리듬
◆ 무작위 그래프 모델과 같은 네트워크의 수학적 모델
◆ 네트워크에서 일어나는 동역학 모델

이 책의 대상 독자

기술적인 수준은 각 부마다 다르다. 1부를 이해하는 데는 어떠한 수학적 지식도 필요하지 않지만, 2부는 대학교 학부 수준의 미적분학과 일련의 선형대수학 지식이 필요하다. 3부와 4부는 수학적으로 더 심화되며 우수한 학부생이나 대학원생, 해당 분야에서 활동하고 있는 연구원에게 적합하다.

이 책의 구성

네 부분으로 구성되어 있다. 머리말에 해당하는 짧은 장에 이어, 1부에서는 현시대 과학이 연구하는 기본적인 네트워크의 유형과 그 구조를 결정하는 데 사용하는 테크닉을 설명한다. 2부에서는 네트워크의 구조를 나타내는 데 사용하는 수학적 방법, 네트워크의 구조를 정량적으로 측정하는 측도와 통계량들, 그리고 그러한 측도와 통계량을 계산하는 컴퓨터 알고리듬을 포함해, 네트워크 학문에서 사용하는 핵심적인 도구를 소개한다. 3부에서는 네트워크화된 시스템의 행동을 예측하고 그 형성과 성장을 이해하는 데 도움을 줄 수 있는 네트워크 구조의 수학적 모델을 설명한다. 4부에서는 네트워크 회복력에 대한 모델, 네트워크에서 일어나는 전염병, 네트워크 탐색 과정 등 네트워크 이론의 응용 사례를 살펴본다.

저자/역자 소개

지은이의 말

컴퓨터 네트워크나 생물학적인 네트워크, 사회연결망 같은 네트워크를 과학적으로 연구하는 것은 수학, 물리학, 생물학, 컴퓨터 과학, 통계학, 사회과학 등 다양한 분야의 아이디어를 융합하는 학제간 활동이다. 이 분야는 매우 다양한 분야의 사람들이 바라보는 광범위한 시선으로부터 막대한 이점을 얻었다. 그러나 한편으로는 네트워크에 대한 인류의 지식이 과학계에 뿔뿔이 흩어져 있다는 것과, 보통 한 분야의 연구자는 다른 분야에서 밝혀낸 지식을 빠르게 접할 수 없다는 점 때문에 어려움을 겪기도 했다. 이 책의 목적은 네트워크에 대한 지식을 한데 모아 일관된 언어와 표기법으로 나타내고 각 지식 요소를 서로 보완해 논리 정연한 전체 지식 체계를 만들어, 단편적인 지식 요소에서 배울 수 있는 것보다 더 많은 것을 가르쳐줄 수 있도록 하는 데 있다.

지은이 소개

마크 뉴만(Mark Newman)

1991년에 옥스퍼드대학교에서 물리학 박사학위를 받았다. 뉴멕시코주에 위치한 복잡계 연구에 전념하며 싱크 탱크 역할을 하는 산타페 연구소(Santa Fe Institute)의 일원으로 합류하기 전까지는 코넬대학교에서 박사 후 연구를 수행했다. 2002년에 산타페를 떠나 미시간대학교로 이직했다. 현재 그곳에서 아나톨 라포포트 석좌 교수(Anatol Rapoport Distinguished University Professor)이자 대학의 복잡계 연구 센터 교수로 재직 중이다.

옮긴이의 말

네트워크가 궁금한 당신은 이 책을 펼쳤습니다. 이 글을 읽는 순간, 종이에 인쇄된 글자를 만나 반사된 빛은 당신의 눈으로 들어갑니다. 망막에 맺힌 상(像)은 아직은 그저 빛에서 출발한 신호, 시신경이 받은 자극에 불과합니다. 이 신호는 뇌 속에서 촘촘하게 얽혀 있는 뇌세포를 따라 시각 자극을 처리하는 부위로 전달되면서 비로소 정보로 처리됩니다. 그래서 우리는 지금 이 글을 이해할 수 있습니다. 뇌세포는 이렇게 시각 정보를 처리하는 것을 포함해 미각, 촉각, 후각, 청각 등 우리 몸을 구성하는 모든 신체 기관과 관련된 정보를 일시에 조절하고 통제하는 데 기여합니다. 그 복잡한 신호 처리를 순식간에 체계적으로 해낸다는 것은 정말 대단한 일입니다. 두뇌처럼 매우 복잡하지만 정교하게 통제되어 주어진 기능을 성공적으로 수행해내는 고도화된 체계가 작동하는 기반에는 바로 네트워크가 있습니다.
이런 복잡한 네트워크는 우리 주변에 매우 다양하게 존재합니다. 예를 들면, 수많은 컴퓨터와 서버 사이에서 정보를 전달하는 인터넷, 소식을 전하고 ‘좋아요’로 답할 수 있는 사회연결망 서비스, 발전소에서 만든 전기를 소비자가 사용할 수 있게 연결해주는 전력망, 자연계에서 서로 먹고 먹히는 관계로 이어진 먹이 그물, 인체 내에서 영양소가 분해되어 세포 소기관이 사용할 때까지 일련의 화학반응으로 진행되는 물질대사 등, 사회학, 물리학, 생물학, 공학 같은 실로 매우 다양한 분야에서 네트워크를 찾아볼 수 있고 활용하고 있습니다.
이러한 네트워크를 분석할 수 있는 이론적인 기반을 제공하고, 궁극적으로는 복잡한 세상을 이해할 수 있는 새로운 관점을 제시하는 것이 네트워크 과학입니다. 그런데 네트워크 과학이 매우 활발하게 활용되고 있음에도, 정작 네트워크 과학을 체계적으로 배울 수 있는 한국어 자료는 그리 많지 않은 상황입니다. 그래서 네트워크 과학 서적 번역의 두 번째 프로젝트로, 기본서라 할 수 있는 서적인 이 책을 번역했습니다.
원서의 저자인 마크 뉴만은 2002년부터 현재까지 미시간대학교 물리학과에서 교수로 재직 중이며, 네트워크 과학을 이론적으로 정립하는 데 기여한 공로로 2021년 네트워크학회에서 수여하는 오일러 상을 수상한 명실상부한 네트워크 과학 분야의 최고 권위자 중 한 명입니다. 연구뿐만이 아니라 교육에서도 탁월한 역량을 발휘해, 2012년에는 미시간대학교 우수교육상을 받았으며, 2015년에 해당 대학에서 수여하는 최고 권위의 교수직인 아나톨 라포포트 석학교수(Anatol Rapoport Distinguished University Professor)로 임명됐고, 지금까지 총 여섯 편의 서적을 출판했습니다. 이 책은 그중에서도 네트워크 이론을 체계적으로 설명하고 다양한 네트워크 응용 사례를 충실하게 소개하는 입문서로서, 네트워크를 진지하게 공부하려는 사람들에게 필독서로 여겨질 만큼 매우 훌륭한 안내서입니다. 2010년에 출판된 초판이 2018년 개정되면서 방대한 내용이 추가됐고, 지금 읽어도 부족함이 없을 만큼 네트워크 과학 분야의 최신 지식을 망라하고 있습니다.
다양한 분야를 다루는 이 책을 온전히 번역하기 위해, 역시 다양한 분야에서 네트워크 과학을 연구하고 적용하고 있는 한국의 네트워크 과학자들이 모였습니다. 공동 번역자 대부분이 최근 『네트워크 분석』(에이콘,2022)를 함께 번역 및 출판하면서, 독자들이 받아들이기 편하고 이해하기 쉬운 표현에 대해 고민을 함께 한 바 있습니다. 그 경험을 바탕으로, 이 책을 번역하면서 일관된 표현을 사용하는 데 힘쓰고 한국어 네트워크 용어를 정립하고자 노력했습니다. 이 책이 한국어로 편안하고 쉽게 읽을 수 있는 또 하나의 지침서가 되어, 네트워크 과학을 배우고 싶어 하는 독자들의 필요를 채워주는 역할을 할 수 있기를 바랍니다.

옮긴이 소개

김희태

고려대학교 유전공학과를 졸업하고, 성균관대학교 에너지과학과에서 네트워크 과학으로 박사 학위를 받았다. 전력망을 복잡계 네트워크적인 관점으로 분석하는 연구를 수행해왔으며, 특히 동기화 안정성과 지속 가능성에 관심이 많다. 아시아태평양이론물리센터에서 박사후연구원을 마치고 칠레 Universidad de Talca와 Universidad del Desarrollo를 거쳐 현재 한국에너지공과대학교 에너지공학부 교수로 재직 중이다.

손승우

포스텍(POSTECH) 물리학과를 졸업하고, 카이스트(KAIST)에서 물리학으로 석·박사 학위를 받았다. 복잡계 네트워크를 포함한 복잡계 연구를 진행 중으로 집단 거동, 동기화 현상에 관심이 많다. 캐나다 캘거리대학교에서 박사후연구원 과정을 마친 후, 한양대학교 ERICA 캠퍼스 응용물리학과 교수로 재직 중이다. 현재 APCTP 과학문화위원, 한국복잡계학회와 한국데이터사이언스학회의 운영이사로 활동하고 있다.

윤진혁

카이스트 물리학과를 졸업하고 동 대학에서 복잡계 네트워크 및 데이터 과학으로 물리학 박사 학위를 받았다. 통계물리 및 네트워크 방법론과 데이터 과학을 결합해 대용량 데이터에서 사회의 보편적 패턴과 편향성에 대한 연구를 주로 수행 중이며, 특히나 물리학적 관점에서 AI를 이해하려는 시도를 하고 있다. 네이버 데이터사이언티스트, 한국과학기술정보연구원(KISTI) 선임연구원을 거쳐 현재 숭실대학교 AI융학학부의 교수로 재직 중이다.

조항현

카이스트 물리학과에서 학·석·박사 학위를 받았다. 통계물리학과 복잡계 연구의 다양한 주제들, 특히 자기조직화임계성(SOC), 네트워크 과학, 시계열분석, 사회물리학 등에 관심을 갖고 연구하고 있다. 한국고등과학원(KIAS) 연구원, 핀란드 알토대학교 박사후연구원, 포스텍 연구교수, 아시아태평양이론물리센터(APCTP) 그룹장을 거친 후 현재 가톨릭대학교 물리학과 교수로 재직 중이다.

이 은

이화여자대학교 정보통신학과를 졸업하고, 성균관대학교에서 복잡계 및 네트워크과학으로 박사 학위를 받았다. 사회연결망과 그 연결망 내에서의 집단적 의견 형성 및 인지 편향에 대한 연구를 수행해왔고, 특별히 불균등하게 분포된 자원, 특성, 연결망의 구조가 사회에 미치는 영향에 큰 관심을 갖고 있다. 현재 부경대학교 과학컴퓨팅학과 교수로 재직 중이며, 학벌 등의 개별 학자의 특성이 진로 선택에 미치는 영향과 사회에서의 집단적 의견 형성 과정 등을 연구하고 있다.

이상훈

카이스트 물리학과를 졸업하고, 동 대학에서 통계물리학 관점으로 바라본 네트워크 과학에 대한 연구들로 물리학 박사 학위를 받았다. 학부 연구생 시절부터 자연계와 사회의 상호작용 양상에 대한 네트워크 과학 연구를 해오고 있으며, 특히 최근에는 군집 구조와 같은 네트워크의 중간 크기 성질과 그것의 머신러닝에 많이 쓰이는 인공신경망으로의 응용 가능성에 대한 연구를 수행 중이다. 현재 진주에 있는 경상국립대학교 교수로 근무하며 네트워크 과학, 사회물리학 과목 등을 가르치고 있다.

이미진

성균관대학교 물리학과에서 물리학으로 학·박사 학위를 받았다. 네트워크 과학과 데이터를 활용해 복잡계를 이해하는 연구에 관심이 많다. 전염병 확산, 시설 배치 등 우리 주변에서 일어나는 현상을 관찰하고 분석하는 것이 주된 관심사다. 인하대학교 박사후연구원을 거쳐 현재 한양대학교 ERICA 캠퍼스 응용물리학과 교수로 재직 중이다.

목차

목차
  • 1장. 도입

  • 1부. 실증적인 네트워크 연구

  • 2장. 기술 분야 네트워크
  • 2.1 인터넷
  • 2.1.1 트레이스라우트를 사용한 인터넷 구조 측정
  • 2.1.2 라우팅 테이블을 사용한 인터넷 구조 측정
  • 2.2 전화망
  • 2.3 전력망
  • 2.4 교통망
  • 2.5 배송 및 분배 네트워크

  • 3장. 정보 네트워크
  • 3.1 월드와이드웹
  • 3.2 인용 네트워크
  • 3.2.1 특허와 법률 인용
  • 3.3 그 외 정보 네트워크
  • 3.3.1 P2P 네트워크
  • 3.3.2 추천 네트워크
  • 3.3.3 핵심어 색인

  • 4장. 사회연결망
  • 4.1 사회연결망의 실증 연구
  • 4.2 인터뷰와 설문조사
  • 4.2.1 자기 주변 네트워크
  • 4.3 직접 관찰
  • 4.4 기록 보관소 또는 제3자 기록물에서 얻은 데이터
  • 4.5 소속 네트워크
  • 4.6 좁은 세상 실험
  • 4.7 눈덩이 표본추출, 접촉자 추적, 마구걷기

  • 5장. 생물학적 네트워크
  • 5.1 생화학적 네트워크
  • 5.1.1 물질대사 네트워크
  • 5.1.2 단백질-단백질 상호작용 네트워크
  • 5.1.3 유전자 조절 네트워크
  • 5.1.4 그 밖의 생화학적 네트워크
  • 5.2 두뇌 속의 네트워크
  • 5.2.1 뉴런 네트워크
  • 5.2.2 두뇌의 기능적 연결 네트워크
  • 5.3 생태계 네트워크
  • 5.3.1 먹이 그물
  • 5.3.2 그 밖의 생태계 네트워크

  • 2부. 네트워크 이론의 기초

  • 6장. 네트워크의 수학 표현
  • 6.1 네트워크와 그 표현
  • 6.2 인접 행렬
  • 6.3 가중치 네트워크
  • 64 방향성 네트워크
  • 6.4.1 비순환 네트워크
  • 6.5 하이퍼그래프
  • 6.6 이분 네트워크
  • 6.6.1 접속 행렬과 네트워크 투영
  • 6.7 다층 네트워크와 동적 네트워크
  • 6.8 트리
  • 6.9 평면 네트워크
  • 6.10 링크수
  • 6.10.1 조밀도와 듬성도
  • 6.10.2 방향성 네트워크
  • 6.11 걷기와 경로
  • 6.11.1 최단 경로
  • 6.12 덩어리
  • 6.12.1 방향성 네트워크에서의 덩어리
  • 6.13 독립 경로, 연결성, 컷 집합
  • 6.13.1 가중치 네트워크의 최대 흐름과 컷 집합
  • 6.14 그래프 라플라시안
  • 6.14.1 그래프 분할
  • 6.14.2 네트워크 시각화
  • 6.14.3 마구걷기
  • 6.14.4 저항 네트워크
  • 6.14.5 그래프 라플라시안의 속성

  • 7장. 네트워크 측정량과 측정법
  • 7.1 중심도
  • 7.1.1 링크수 중심도
  • 7.1.2 고유벡터 중심도
  • 7.1.3 카츠 중심도
  • 7.1.4 페이지랭크
  • 7.1.5 허브와 권위자
  • 7.1.6 근접 중심도
  • 7.1.7 사이 중심도
  • 7.2 노드의 그룹
  • 7.2.1 클리크
  • 7.2.2 중심
  • 7.2.3 덩어리와 k-덩어리
  • 7.3 전이성과 뭉침 계수
  • 7.3.1 국소 뭉침과 여분 연결
  • 7.4 상호성
  • 7.5 부호 있는 에지와 구조 균형
  • 7.6 유사도
  • 7.6.1 구조 동등성 측정량
  • 7.6.2 보편 동등성 측정량
  • 7.7 동종선호와 끼리끼리 섞임
  • 7.7.1 정렬할 수 없는 성질을 기준으로 한 끼리끼리 섞임
  • 7.7.2 정렬할 수 있는 성질을 기준으로 한 끼리끼리 섞임
  • 7.7.3 링크수를 기준으로 한 끼리끼리 섞임

  • 8장. 컴퓨터 알고리듬
  • 8.1 네트워크 분석과 시각화를 위한 소프트웨어
  • 8.2 실행 시간과 계산 복잡도
  • 8.3 네트워크 데이터의 저장
  • 8.3.1 인접 행렬
  • 8.3.2 인접 리스트
  • 8.3.3 그 밖의 네트워크 표현법
  • 8.4 네트워크의 기본적인 측정량을 구하는 알고리듬
  • 8.4.1 링크수
  • 8.4.2 뭉침 계수
  • 8.5 최단 경로와 너비 우선 탐색
  • 8.5.1 너비 우선 탐색 알고리듬 소개
  • 8.5.2 가장 단순한 구현 방법
  • 8.5.3 더 나은 구현 방법
  • 8.5.4 너비 우선 탐색의 변형 알고리듬
  • 8.5.5 최단 경로 찾기
  • 8.5.6 사이 중심도
  • 8.6 에지의 길이가 변하는 경우의 최단 경로
  • 8.7 최대 흐름과 최소 컷
  • 8.7.1 증가 경로 알고리듬
  • 8.7.2 구현과 실행 시간
  • 8.7.3 왜 이 알고리듬은 옳은 답을 주는가
  • 8.7.4 독립 경로 찾기와 최소 컷 집합
  • 8.7.5 노드 독립 경로

  • 9장. 네트워크 통계와 측정 오류
  • 9.1 오류의 종류
  • 9.2 오류의 원인
  • 9.3 오류의 추정
  • 9.3.1 측정 오류에 대한 전통적인 통계 방법론
  • 9.3.2 최대가능도기법
  • 9.3.3 네트워크 데이터의 오류
  • 9.3.4 EM 알고리듬
  • 9.3.5 독립적인 에지 오류
  • 9.3.6 예시
  • 9.3.7 다른 값들에 대한 추정
  • 9.3.8 그 밖의 에러 모형
  • 9.4 에러의 보정
  • 9.4.1 링크 예측
  • 9.4.2 노드 식별

  • 10장. 실제 네트워크의 구조
  • 10.1 덩어리
  • 10.1.1 방향성 네트워크의 덩어리
  • 10.2 최단 경로와 좁은 세상 효과
  • 10.3 링크수 분포
  • 10.4 거듭제곱 법칙과 척도 없는 네트워크
  • 10.4.1 거듭제곱 법칙을 발견하고 시각화하기
  • 10.4.2 거듭제곱 분포의 성질
  • 10.5 그 밖의 중심도 측정량들의 분포
  • 10.6 뭉침 계수
  • 10.6.1 국소 뭉침 계수
  • 10.7 동류성 혼합(끼리끼리 섞임)

  • 3부. 네트워크 모형

  • 11장. 무작위 그래프
  • 11.1 무작위 그래프
  • 11.2 평균 에지 수와 평균 링크수
  • 11.3 링크수 분포
  • 11.4 뭉침 계수
  • 11.5 거대 덩어리
  • 11.5.1 하나 이상의 거대 덩어리가 존재할 수 있을까?
  • 11.6 작은 덩어리들
  • 11.7 경로 길이
  • 11.8 무작위 그래프의 문제점

  • 12장. 구조 모형
  • 12.1 구조 모형
  • 12.1.1 구조 모형에서의 에지 연결 확률
  • 12.1.2 링크수의 기댓값이 주어진 무작위 모형
  • 12.2 남은 링크수 분포
  • 12.3 뭉침 계수
  • 12.4 국소적으로 트리인 네트워크
  • 12.5 한 노드의 두 번째 이웃들의 수
  • 12.6 거대 덩어리
  • 12.6.1 예시
  • 12.6.2 거대 덩어리 크기에 대한 일반적인 해법
  • 12.7 작은 덩어리들
  • 12.7.1 작은 덩어리들 안에 있는 노드의 링크수
  • 12.7.2 에지를 따라 도달할 수 있는 평균 노드 수
  • 12.8 거듭제곱 링크수 분포를 따르는 네트워크
  • 12.9 지름
  • 12.10 생성 함수 방법
  • 12.10.1 생성 함수
  • 12.10.2 예시
  • 12.10.3 거듭제곱 분포
  • 12.10.4 정규화와 모멘트
  • 12.10.5 생성 함수의 곱
  • 12.10.6 링크수 분포에 대한 생성 함수
  • 12.10.7 노드의 두 번째 이웃의 수
  • 12.10.8 작은 덩어리들에 대한 생성 함수
  • 12.10.9 작은 덩어리들의 크기에 대한 완전한 분포
  • 12.11 그 밖의 무작위 그래프 모형
  • 12.11.1 방향성 네트워크
  • 12.11.2 이분 네트워크
  • 12.11.3 비순환 네트워크
  • 12.11.4 링크수 상관성
  • 12.11.5 뭉치기와 전이성
  • 12.11.6 동류성 혼합과 커뮤니티 구조
  • 12.11.7 동적 네트워크
  • 12.11.8 좁은 세상 모형

  • 13장. 네트워크 형성 모형
  • 13.1 선호적 연결
  • 13.1.1 프라이스 모형의 링크수 분포
  • 13.1.2 프라이스 모형의 컴퓨터 시뮬레이션
  • 13.2 바라바시와 알버트의 모형
  • 13.3 네트워크의 시간 변화와 선발자 효과
  • 13.4 선호적 연결 모형의 확장
  • 13.4.1 여분 에지의 추가
  • 13.4.2 에지 제거
  • 13.4.3 비선형 선호적 연결
  • 13.5 노드 복제 모형
  • 13.6 네트워크 최적화 모형
  • 13.6.1 여행 시간과 비용 사이의 상충

  • 4부. 응용

  • 14장. 커뮤니티 구조
  • 14.1 네트워크를 그룹으로 나누기
  • 14.2 모듈도 최대화
  • 14.2.1 모듈도 함수의 꼴
  • 14.2.2 간단한 모듈도 최대화 알고리듬
  • 14.2.3 스펙트럼 모듈도 최대화
  • 14.2.4 둘보다 더 많은 수의 그룹으로 나누기
  • 14.2.5 루뱅 알고리듬
  • 14.2.6 모듈도 최대화 방법의 해상도 한계
  • 14.3 정보 이론에 기반한 방법
  • 14.4 통계적 추론에 기반한 방법
  • 14.4.1 통계적 추론을 사용한 커뮤니티 찾기
  • 14.5 커뮤니티를 찾기 위한 그 밖의 알고리듬
  • 14.5.1 사이 중심도를 기반으로 한 방법
  • 14.5.2 계층적 뭉치기
  • 14.6 알고리듬 성능 측정
  • 14.6.1 실제 네트워크에 대한 테스트
  • 14.6.2 인공적으로 만든 테스트 네트워크
  • 14.6.3 성능 정량화
  • 14.6.4 커뮤니티 찾기 알고리듬 간의 비교
  • 14.7 다른 종류의 네트워크 구조 찾기
  • 14.7.1 중첩된 커뮤니티
  • 14.7.2 계층적 커뮤니티
  • 14.7.3 중심-주변부 구조
  • 14.7.4 잠재적 공간, 계층화된 네트워크, 순위 구조

  • 15장. 스미기와 네트워크의 회복력
  • 15.1 스미기
  • 15.2 노드를 무작위로 균일하게 제거하기
  • 15.2.1 구조 모형에서의 균일한 제거
  • 15.3 노드를 불균일하게 제거하기
  • 15.4 실제 네트워크에서의 스미기
  • 15.5 스미기를 위한 컴퓨터 알고리듬
  • 15.5.1 실제 네트워크에 대한 결과

  • 16장. 네트워크에서의 감염병 전파
  • 16.1 감염 전파 모형
  • 16.1.1 SI 모형
  • 16.1.2 SIR 모형
  • 16.1.3 SIR 모형의 풀이
  • 16.1.4 기초 감염 재생산 수
  • 16.1.5 SIS 모형
  • 16.1.6 SIRS 모형
  • 16.1.7 그 밖의 감염병 전파 모형
  • 16.1.8 질병의 조합
  • 16.1.9 복잡한 전염과 정보 전파
  • 16.2 네트워크에서의 감염병 모형
  • 16.3 발병 크기와 스미기
  • 16.3.1 SIR 모형에서 발병 규모
  • 16.3.2 SIR 모형과 구조 모형
  • 16.3.3 공존하는 질병
  • 16.3.4 동시 감염
  • 16.3.5 복잡한 감염
  • 16.4 네트워크에서 일어나는 전염병 확산의 시간에 의존하는 성질
  • 16.5 SI 모형에서 시간에 의존하는 성질
  • 16.5.1 쌍 근사
  • 16.5.2 SI 모형에서 링크수 기반의 근사
  • 16.6 SIR 모형에서 시간에 의존하는 성질
  • 16.6.1 SIR 모형에서 링크수 기반의 근사
  • 16.7 SIS 모형에서 시간에 의존하는 성질
  • 16.7.1 SIS 모형에서 링크수 기반의 근사

  • 17장. 네트워크 동역학 시스템
  • 17.1 동역학 시스템
  • 17.1.1 고정점과 선형화
  • 17.2 네트워크 동역학
  • 17.2.1 선형 안정성 분석
  • 17.2.2 특별한 경우
  • 17.2.3 예시
  • 17.3 한 노드에 둘 이상의 변수가 있을 때의 동역학
  • 17.3.1 특별한 경우
  • 17.4 네트워크의 스펙트럼
  • 17.5 동기화

  • 18장. 네트워크 검색
  • 18.1 웹 검색
  • 18.2 분산된 데이터베이스 검색
  • 18.3 메시지 송신
  • 18.3.1 클라인버그 모형

도서 오류 신고

도서 오류 신고

에이콘출판사에 관심을 가져 주셔서 고맙습니다. 도서의 오탈자 정보를 알려주시면 다음 개정판 인쇄 시 반영하겠습니다.

오탈자 정보는 다음과 같이 입력해 주시면 됩니다.

(예시) p.100 아래에서 3행 : '몇일'동안 -> 며칠동안