Beyond Variance: Selecting Low-Rank Temporal Networks That Preserve Causality and Spreading
Cet article propose une règle sensible au processus pour la sélection du rang des approximations de réseaux temporels de faible rang en privilégiant la préservation des dynamiques causales, telles que la joignabilité respectant le temps et les tailles d'épidémies, par rapport aux métriques traditionnelles basées sur la variance, démontrant ainsi que la compression optimale au sens matriciel échoue souvent à capturer les comportements de propagation essentiels.