After t timesteps the model leads t

After t timesteps the model leads to a random network with N = t + m0 vertices and mt edges. As Fig. 4a shows, this network evolves into a scale-invariant state, the probability that a vertex has k edges following a power law with an exponent model = 2:9 ± 0:1.

ผลลัพธ์ (ไทย) 1:

หลังจากรูปแบบที่นำไปสู่เครือข่ายสุ่มกับ N timesteps t = t + m0 จุดยอด และขอบ mt เป็น Fig. 4a แสดง เครือข่ายนี้วิวัฒนาการเข้าสู่สถานะขนาดไม่เปลี่ยนแปลง ความเป็นไปได้ว่า จุดยอดมีขอบ k ตามกฎหมายพลังงานกับแบบจำลองที่ยกกำลัง =± 2:9 0:1

ผลลัพธ์ (ไทย) 2:

หลังจากที timesteps รูปแบบที่นำไปสู่​​เครือข่ายสุ่มที่มีไม่มี = T + m0 จุดและขอบตัน ในฐานะที่เป็นรูป แสดงให้เห็นว่า 4a เครือข่ายนี้วิวัฒนาการเป็นรัฐขนาดคงน่าจะเป็นที่จุดสุดยอดมีดังต่อไปนี้ k ขอบอำนาจกฎหมายที่มีรูปแบบสัญลักษณ์ = 2: 9 ± 0: 1

ผลลัพธ์ (ไทย) 3:

หลังจากที timesteps รูปแบบไปสู่เครือข่ายแบบสุ่มด้วย n = t m0 จุดยอดและขอบตัน . เป็นรูปที่ 4 แสดงให้เห็นเครือข่ายวิวัฒนาการเป็นขนาดไม่เปลี่ยนแปลงสภาพ ความน่าจะเป็นที่จุดสุดยอดได้ K ขอบตามอำนาจกฎหมายที่มีเลขชี้กำลังแบบ = 2 : 9 ± 1-0 .