{rfName}
Ne

Indexado en

Licencia y uso

Citaciones

19

Altmetrics

Grant support

Work in this paper was supported by the Spanish MINECO grants Klinilycs (TEC2016-75361-R), Instituto de Salud Carlos III DTS17/00158 and FPU17/04520. All authors are with the Dept. of Signal Theory and Comms., King Juan Carlos University, Madrid, Spain.

Análisis de autorías institucional

Buciulea, AAutor o CoautorRey, SAutor o CoautorMarques, AgAutor (correspondencia)

Compartir

Publicaciones
>
Conferencia Publicada

Network Reconstruction from Graph-stationary Signals with Hidden Variables

Publicado en:Conference Record Of The Asilomar Conference On Signals, Systems And Computers. 2019-November 56-60 - 2019-01-01 2019-November(), DOI: 10.1109/IEEECONF44664.2019.9048913

Autores: Buciulea, Andrei; Rey, Samuel; Cabrera, Cristobal; Marques, Antonio G

Afiliaciones

King Juan Carlos Univ, Dept Signal Theory & Comms, Madrid, Spain - Autor o Coautor

Resumen

Network topology inference from nodal observations has attracted a lot of attention in different fields with a wide variety of applications. While most of the existing works assume that signal observations at all the nodes are available, this is not always the case. We investigate the problem of inferring the topology of an undirected network in the presence of hidden variables, meaning that only a subset of the nodes of the graph is being observed. To address this problem it is assumed that: (i) the nodal signals are stationary in the unknown underlying graph; and (ii) the number of observed nodes is considerably larger than the number of hidden variables. Graph stationarity implies that the covariance of the nodal signals can be expressed as a polynomial of the matrix representation of the whole graph. Rooted in this prior knowledge, the network topology inference is approached as a (low-rank and sparse) optimization problem where we aim to recover the matrix representation of the observed nodes without ignoring the influence of the hidden variables. Different convex relaxations are proposed and robust designs are presented. Finally, numerical experiments using simulations showcase the performance of the developed methods and compare them with existing alternatives.

Palabras clave

Computer circuitsConvex relaxationCovariance matrixGraph learningGraph signal processingGraph theoryHidden nodesLatent variablesMatrix representationNetwork reconstructionNetwork topology inferenceNumerical experimentsNumerical methodsOptimization problemsRelaxation processesSelectionSignal reconstructionStationary signalUnderlying graphsUndirected network

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Conference Record Of The Asilomar Conference On Signals, Systems And Computers debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2019, se encontraba en la posición , consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Computer Networks and Communications.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir del Field Citation Ratio (FCR) de la fuente Dimensions, arroja un valor de: 2.42, lo que indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: Dimensions Jun 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-06-18, el siguiente número de citas:

  • WoS: 9
  • Scopus: 10
  • OpenCitations: 7

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-06-18:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 1 (PlumX).

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Buciulea Vlas, Andrei) y Último Autor (García Marqués, Antonio).

el autor responsable de establecer las labores de correspondencia ha sido García Marqués, Antonio.