論文の概要: Community detection and percolation of information in a geometric
setting
- arxiv url: http://arxiv.org/abs/2006.15574v2
- Date: Fri, 1 Jul 2022 17:02:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 02:25:32.320385
- Title: Community detection and percolation of information in a geometric
setting
- Title(参考訳): 幾何学的環境における情報のコミュニティ検出とパーコレーション
- Authors: Ronen Eldan, Dan Mikulincer and Hester Pieters
- Abstract要約: 疎系においてブロックモデルの理論を一般化する第一歩を踏み出す。
接続すべき二つの頂点の確率が距離の任意の関数である等質距離空間上の幾何学的ランダムグラフを考える。
我々は,モッセルとペレスにより,木上の情報の流れのモデルと幾何的な相似性を定義する。
- 参考スコア(独自算出の注目度): 5.027571997864707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We make the first steps towards generalizing the theory of stochastic block
models, in the sparse regime, towards a model where the discrete community
structure is replaced by an underlying geometry. We consider a geometric random
graph over a homogeneous metric space where the probability of two vertices to
be connected is an arbitrary function of the distance. We give sufficient
conditions under which the locations can be recovered (up to an isomorphism of
the space) in the sparse regime. Moreover, we define a geometric counterpart of
the model of flow of information on trees, due to Mossel and Peres, in which
one considers a branching random walk on a sphere and the goal is to recover
the location of the root based on the locations of leaves. We give some
sufficient conditions for percolation and for non-percolation of information in
this model.
- Abstract(参考訳): 確率的ブロックモデル(sparse regime)の理論を一般化するための最初のステップとして,離散的コミュニティ構造を基礎となる幾何学に置き換えるモデルを提案する。
我々は、2つの頂点が連結される確率が距離の任意の関数である等質距離空間上の幾何学的ランダムグラフを考える。
我々は、スパースレジームにおいて位置が(空間の同型まで)回復できる十分な条件を与える。
さらに,球面上の枝分かれしたランダムウォークを考慮し,葉の位置に基づいて根の位置を回復することを目的として,モッセルとペレスによる木に関する情報の流れモデルと幾何対応を定義する。
このモデルでは、パーコレーションや情報の非パーコレーションに十分な条件を提示する。
関連論文リスト
- Bridging Geometric States via Geometric Diffusion Bridge [79.60212414973002]
本稿では,初期および対象の幾何状態を正確にブリッジする新しい生成モデリングフレームワークであるGeometric Diffusion Bridge (GDB)を紹介する。
GDBは、幾何学的状態の接続のためにDoobの$h$-transformの修正版から派生した同変拡散ブリッジを使用している。
我々はGDBが既存の最先端のアプローチを超越し、幾何学的状態を正確にブリッジするための新しい経路を開くことを示す。
論文 参考訳(メタデータ) (2024-10-31T17:59:53Z) - Reconstructing the Geometry of Random Geometric Graphs [9.004991291124096]
ランダム幾何学グラフは、距離空間上で定義されたランダムグラフモデルである。
サンプルグラフから基底空間の幾何を効率的に再構成する方法を示す。
論文 参考訳(メタデータ) (2024-02-14T21:34:44Z) - Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。
植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
論文 参考訳(メタデータ) (2024-02-01T03:39:01Z) - Topological Obstructions and How to Avoid Them [22.45861345237023]
局所最適性は特異点や不正確な次数や巻数によって生じる可能性があることを示す。
本稿では,データポイントを幾何学空間上のマルチモーダル分布にマッピングするフローベースモデルを提案する。
論文 参考訳(メタデータ) (2023-12-12T18:56:14Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳(メタデータ) (2023-11-29T12:48:33Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳(メタデータ) (2023-07-11T16:51:38Z) - Shape And Structure Preserving Differential Privacy [70.08490462870144]
正方形距離関数の勾配がラプラス機構よりも感度をよりよく制御できることを示す。
また,2乗距離関数の勾配を用いることで,ラプラス機構よりも感度を制御できることを示す。
論文 参考訳(メタデータ) (2022-09-21T18:14:38Z) - Community Recovery in the Geometric Block Model [38.77098549680883]
幾何学ブロックモデルにおけるコミュニティを検出するための単純な三角形計数データセットは、ほぼ最適であることを示す。
また,本アルゴリズムは理論的にも実用的にも極めて良好であることを示す。
論文 参考訳(メタデータ) (2022-06-22T18:10:49Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Identifying the latent space geometry of network models through analysis
of curvature [7.644165047073435]
本稿では,可換空間の経験的に関連するクラスから多様体の種類,次元,曲率を一貫して推定する手法を提案する。
私たちのコアインサイトは、このグラフを、シリック間の結びつきに基づく騒々しい距離行列として表現することで実現します。
論文 参考訳(メタデータ) (2020-12-19T00:35:29Z) - Isometric Gaussian Process Latent Variable Model for Dissimilarity Data [0.0]
本稿では、潜在変数がモデル化データの距離と位相の両方を尊重する確率モデルを提案する。
このモデルは、対距離の観測に基づく変分推論によって推定される。
論文 参考訳(メタデータ) (2020-06-21T08:56:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。