针对在网络上的信息 / 影响 / 疾病扩散，本研究提出了一种基于离散网络的连续时间过程模型，通过已感染节点的传染事件推断全局扩散网络的边缘和每条边缘的传输速率，进而预测、影响和抑制感染传播。该模型具有稀疏解决方案，无需参数调整，可轻松适用于规模在数千到数十万的网络，实验证实了该算法的效果良好。
May, 2011
对一个 66 人动态亲密网络数据集的研究表明，社交网络的拓扑结构会在时间尺度上演化，其演化行为被外部时间周期驱动，忽略连续时间数据转化为离散序列的偏差性使得网络结构估计变得更加偏倚，因此提出动态社交网络表现出一种自然时间尺度，并建议在此自然时间尺度上进行这种动态数据的离散序列最佳转换。
Nov, 2012
本文使用 l1 正则化最大似然框架研究了一般连续时间扩散模型的网络结构推断问题。我们证明了只要级联采样过程满足自然的不相干条件，我们的框架可以在观察到 O (d3logN) 个级联的情况下高概率地恢复正确的网络结构。此外，我们开发了一个简单有效的软阈值推断算法，并证明我们的框架在实践中优于其他替代方案。
May, 2014
本文提出了一种从动力学观测中推断网络拓扑结构的简单直接方法，能够适用于任意网络动力学系统，基于对观察到的动态轨迹得到网络连接拓扑结构的解析解。
Jul, 2010
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
以观察到的级联为基础，通过学习两个低维用户特定向量来预测级联动态，并捕捉他们的影响和易感性，从而更好地模拟依赖于上下文因素的信息传播效果。
Oct, 2013
本文提出了一种基于潜在空间的统计模型，用于对社交网络、协作网络等观察到的具有时间动态的网络进行建模和分析，该模型可应用于社区检测和链路预测等任务，并与现有方法相比表现出更好的效果。
Feb, 2018
使用拓扑数据分析方法，基于时变相关网络和持续同调代数，检测金融数据中的关键转折点。通过对 2007-2008 年美国金融危机前股票组合的研究，发现了关键转折点的早期信号。
Jan, 2017
本研究提出了一种基于压缩感知的框架来重建随机扩散动力学下的复杂网络，并应用到模型和真实网络中。研究表明，从少量二元数据可以实现不均匀交互的全面重建。此外，该方法还可以确定并高度可信地定位隐含的触发扩散过程并在其外部不可访问的源，从而为追踪和控制复杂网络系统中的流行入侵和信息扩散建立了一个范例。
Jul, 2014
提出了一种基于活动驱动的带记忆时间变化网络框架的时间网络模型，该模型整合了社会强化机制、焦点闭合和循环闭合等机制，可以生成具有社区结构和全局连通性的网络，且与真实的手机通信网络具有多种相似性。
Jun, 2015