Eigentime identities for random walks on a family of treelike networks and polymer networks
Eigentime identities for random walks on a family of treelike networks and polymer networks
复制标题
树状网络和聚合物网络族上随机游走的特征时间恒等式
DOI：
10.1016/j.physa.2017.04.172
复制
发表时间：
2017-10
期刊：
影响因子：
--
通讯作者：
Su Weiyi
中科院分区：
文献类型：
--
作者：
Dai Meifeng;Wang Xiaoqian;Sun Yanqiu;Sun Yu;Su Weiyi
本文研究了一类树状网络和高分子网络上的本征时间恒等式，这些本征时间恒等式表示为所有非零归一化Laplacian本征值的倒数之和。首先，对一类树状网络，证明了它们的所有特征值都可以通过计算几个递归定义的小次多项式的根来得到。得到了一类网络规模为Nn = NnlnNn的树型网络的本征时间恒等式的标度.然后，对于聚合物网络，我们应用光谱抽取的方法来确定解析所有的本征值和它们相应的多重性。利用这一代和下一代本征值之间的关系，我们获得了网络大小为Nn = NnlnN n的聚合物网络上本征时间恒等式的标度。通过比较这两类网络的本征时间恒等式，得到它们对网络规模Nn的标度都是NnlnNn.
In this paper, we investigate the eigentime identities quantifying as the sum of reciprocals of all nonzero normalized Laplacian eigenvalues on a family of treelike networks and the polymer networks. Firstly, for a family of treelike networks, it is shown that all their eigenvalues can be obtained by computing the roots of several small-degree polynomials defined recursively. We obtain the scalings of the eigentime identity on a family of treelike with network size N n is N n ln N n. Then, for the polymer networks, we apply the spectral decimation approach to determine analytically all the eigenvalues and their corresponding multiplicities. Using the relationship between the generation and the next generation of eigenvalues we obtain the scalings of the eigentime identity on the polymer networks with network size N n is N n ln N n. By comparing the eigentime identities on these two kinds of networks, their scalings with network size N n are all N n ln N n.
登录
查看更多内容
DOI：
10.1103/physreve.90.022816
发表时间：
2014-08
期刊：
Physical review. E, Statistical, nonlinear, and soft matter physics
影响因子：
--
作者：
Zhongzhi Zhang;Xiaoye Guo;Yuan Lin
通讯作者：
Zhongzhi Zhang;Xiaoye Guo;Yuan Lin
DOI：
10.1142/s0218348x17500244
发表时间：
2017-04
期刊：
Fractals
影响因子：
--
作者：
M. Dai;Yue Zong;Xiaoqian Wang;W. Su;Yu Sun;Jie Hou
通讯作者：
M. Dai;Yue Zong;Xiaoqian Wang;W. Su;Yu Sun;Jie Hou
影响因子：
2.4
作者：
Jung, S;Kim, S;Kahng, B
通讯作者：
Kahng, B
节点加权和边加权分形网络的平均加权捕获时间
DOI：
10.1016/j.cnsns.2016.03.001
发表时间：
2016
影响因子：
3.9
作者：
Dai Meifeng;Ye D;an;Hou Jie;Xi Lifeng;Su Weiyi
通讯作者：
Su Weiyi
原油、黄金和汇率序列的混合多重分形分析
DOI：
10.1142/s0218348x16500468
发表时间：
2016-12-01
影响因子：
4.7
作者：
Dai, Meifeng;Shao, Shuxiang;Su, Weiyi
通讯作者：
Su, Weiyi