幂律随机图中的Bootstrap渗透

@文章{Amini2011BootstrapPI,title={幂律随机图中的自举渗透},author={Hamed Amini和Nikolaos Fountoulakis以及Konstantinos Panagiotou},journal={统计物理杂志},年份={2011},体积={155},页数={72-92},网址={https://api.semanticscholar.org/CorpusID:119595838}}
如果随机图的度序列遵循指数为$$\beta$$β的幂律,其中$$2<\beta<3$$2<β<3,则初始感染顶点的次线性数足以将感染传播到随机图节点的线性部分上,概率很高。

随机超图中bootstrap逾渗的一个尖锐阈值

给定一个超图$\mathcal{H}$,$\mathcal{H{$-bootstrap过程从一组受感染的顶点开始,在每一步中,如果

二项式随机$k$-一致超图上的Bootstrap渗透

我们研究了给定整数$k\geq2$和$r\geq2$在二项式$k$-一致随机超图$H_k(n,p)$上$r$-邻域自举逾渗的行为。在$r$-街区

随机几何图中的Bootstrap渗流

摘要继Bradonjić和Saniee之后,我们研究了二维环面上Gilbert随机几何图上的自举渗流模型。在此模型中

无界秩随机图中的渗流

本文讨论了一类允许广泛聚类的无界秩随机图,并将感染顶点的最终分数确定为定义在适当函数空间上的非线性算子的不动点。

图中影响的传播

本论文的主要目标是解决进程需要稳定的轮数,以及有多少节点最初必须为黑色,以便黑色接管或存活下来。

图引导渗流的饱和时间

图$H$的$H$-bootstrap逾渗过程是一个元胞自动机,其中,给定$K_n$的边的子集作为初始集,如果边是唯一缺失的,则在时间$t$添加一条边

随机块模型上的Bootstrap渗流

证明了最终活动节点数存在尖锐相变,并根据每个社区中均匀随机选择的初始活动节点数来表征亚临界和超临界状态。

演化单形复数中的高维bootstrap过程

我们研究了某些固定维$d\geq3$随机单形复形上的bootstrap渗流过程。从维度为$d$的单个单纯形开始,我们在
...

$${\mathbb{Z}^d}上的零温Glauber动力学$$

我们研究了$${mathbb{Z}^d}$$上的零温度Glauber动力学,这是铁磁性伊辛模型的动态版本。自旋最初是根据伯努利分布选择的

给定顶点度的随机图中的Bootstrap渗透和扩散

本文的主要结果是一个定理,它使我们能够在渐近情况下,即当$n\rightarrow\infty$时,找到活动顶点的最终比例。

无限树和不可数群上的Bootstrap渗透

证明了在任何$2k正则不可服从图上,$k$-规则的临界概率是严格正的,并且在任何有根树$T$中,都有一种方法可以擦除根的子代及其所有子代,并对所有剩余的子代重复此操作,依此类推。

随机图G(n,p)上的多数自举渗流

随机图$G{n,p}$上的多数自举逾渗是一个“激活”在具有给定数量的初始活动节点的图的给定实现上扩散的过程。在每个步骤

在所有维度中引导渗流的锐利阈值

在图G上的r-neighbor-bootstrap逾渗中,初始“感染”顶点的(通常是随机的)集合a通过感染(在每个时间步)至少已感染r的顶点来传播

三维自举渗流

通过bootstrap逾渗,我们指的是图G上的以下确定性过程。给定一组顶点在时间0被“感染”,如果新的顶点在每个时间步都被感染

随机正则图上的Bootstrap渗流

在这里,由于“延迟决策原则”,渗流动力学被一个令人惊讶的简单马尔可夫链描述,该马尔可夫链条被确定性动力系统所取代,并且它的积分被用来通过指数超鞅来表明,在确定性轨迹周围,迭代过程经历相对较小的波动。

幂律随机图中的间断bootstrap渗流

自举渗流是由Chalupa、Leath和Reich[6]在20世纪70年代在磁无序系统的背景下引入的,自那时以来,主要由几位作者重新发现

关于度量网络中bootstrap逾渗的注记

我们在最近测量2D神经元培养中放电动力学的背景下,研究了d维定向度量图中的自举逾渗。根据

随机图Gn,p上的自举渗流

结果表明,该模型表现出急剧的相变:根据模型的参数,高概率激活的最终大小要么是n−o(n),要么是o(n)。