该论文研究了如何基于一个 mutually-excitatory point process（如 Hawkes process）的可观测活动来发现潜在的网络结构，并提出了基于离散时间的计算有效的随机变分推断算法，最终在胶质钙成像数据上进行了实验验证。

Jul, 2015

本文介绍了图形学习方法，如何通过图信号了解底层网络拓扑，以及统计方法，使用相关分析学习高斯图模型，并介绍近期的 GSP 基础网络推断框架，以及对动态网络的推断，非线性模型的配对交互以及对有向图的扩展及其与因果推理的关系等领域的挑战和机遇进行概述。

Oct, 2018

本文提出了一种基于层次贝叶斯模型的潜在变量模型，能更好地提取社交和生物学网络数据的结构关系并预测，相比只有一个层级的模型，本模型在预测性能上有显著的改进。

Jun, 2012

本研究利用潜在欧氏空间嵌入纵向网络数据轨迹，提出了一种动态网络模型，采用 MCMC 算法估计模型参数和演员的潜在位置。该模型具有有意义的可视化效果，易于处理方向或无向边，缺失边且很好地用于预测未来边。此外，我们给出了一种新颖的方法来仅使用边信息来检测和可视化演员之间的吸引力。我们使用该模型研究了从荷兰教室和美国众议院成员收集的协同赞助网络中收集的数据，以展示该模型的实用性并使研究人员深入了解网络的演化和结构。

May, 2020

采用潜空间模型，利用链接函数建模平均耦合缔结及数据扩充进行广泛扩展，应用该方法于计数耦合缔结和非负实耦合缔结的模型分析模拟数据以及移动电话数据与国际贸易数据，通过马尔科夫蒙特卡罗算法评估模型参数和潜在演员轨迹获得对网络动力学的深入洞见。

May, 2020

研究了三个网络的概率模型：随机块模型中的社区检测，随机几何图的嵌入以及优先附着树中的初始顶点，并探讨了很多与概率论相关的有趣话题，如泊松瓮，大偏差理论、高维度测度集中、熵集中极限定理等。

Sep, 2016

该文章探讨了时间网络的新兴领域，讨论了分析拓扑结构和时间结构的方法以及阐述它们与动态系统行为的关系，并指出与静态网络不同，由于在时间网络中有些基本属性不一定成立，因此需要创新性的方法来研究分析。

Aug, 2011

通过一般的数学和计算框架可靠地发现复杂网络中缺失和虚假的相互作用，能够更精确地​​估计网络性质

Apr, 2010

本文提出了一种适用于动态网络的统计模型 Neural Latent Space Model with Variational Inference，该模型能够表示并预测网络结构的演化，并在同质、双部分和异质网络的真实数据集上表现出优异的性能。

Nov, 2019

本文描述了一种从多元时间序列数据中推断功能连接网络的基本和系统化过程，旨在解释不确定性网络度量带来的不确定性，并展示了其在模拟数据和人体神经数据中的可靠性。

Mar, 2009