BOPIM: Bayesian Optimization for influence maximization on temporal networks
In dit artikel wordt BOPIM voorgesteld, een Bayesiaanse optimalisatie-algoritme voor invloedmaximalisatie op tijdsafhankelijke netwerken dat door middel van aangepaste kernel-functies en een hebberige acquisitie-strategie concurrerende resultaten behaalt ten opzichte van de gouden standaard, maar tot tien keer sneller is en bovendien onzekerheid in de optimale zaadknopen kwantificeert.