曼努埃尔·戈梅兹·罗德里格斯;宋乐;丹麦人,哈迪;Schölkopf,伯恩哈德 估计扩散网络:恢复条件、样本复杂性和软阈值算法。 (英语) Zbl 1369.60058号 J.马赫。学习。物件。 17,第90号论文,29页(2016年). 摘要:信息在社会和技术网络中传播,但网络结构往往对我们隐藏,我们只观察到传播过程留下的痕迹,称为级联我们能从这些观察到的级联中恢复隐藏的网络结构吗?我们需要什么样的级联和多少级联?是否存在一些比其他网络结构更难恢复的网络结构?我们能设计出具有可证明保证的高效推理算法吗?尽管级联数据和从这些数据推断网络的方法的可用性越来越高,但对上述问题的彻底理论理解在文献中仍有很大程度上尚未探索。本文利用(ell_1)正则化似然最大化框架研究了一类一般连续时间扩散模型的网络结构推断问题。我们表明,只要级联采样过程满足自然非相干条件,如果我们观察到\(O(d^3\log N)\)级联,我们的框架可以高概率地恢复正确的网络结构,其中\(d)是节点的最大父节点数,\(N)是节点总数。此外,我们开发了一种简单有效的软阈值网络推理算法,该算法证明了我们的理论预测与实证结果之间的匹配。在实际应用中,该算法在恢复隐藏扩散网络的准确性方面也优于其他算法。 引用于2文件 MSC公司: 60J70型 布朗运动和扩散理论的应用(种群遗传学、吸收问题等) 60J60型 扩散过程 2012年12月62日 参数估计量的渐近性质 62小时12分 多元分析中的估计 90B15号机组 运筹学中的随机网络模型 关键词:扩散网络;估计;软阈值算法;样本复杂性 PDF格式BibTeX公司 XML格式引用 \textit{M.Gomez-Rodriguez}等人,J.Mach。学习。第17号决议,第90号论文,29页(2016年;Zbl 1369.60058) 全文: arXiv公司 链接