• 语料库ID:268531813

二项式随机$k$-一致超图上的Bootstrap渗透

@进行中{康2024BootstrapPO,title={二项式随机\$k\$-均匀超图}上的自举渗透,author={Mihyun Kang和Christoph Koch以及Tam的Makai},年份={2024},网址={https://api.semanticscholar.org/CorpusID:268531813}}
我们研究了给定整数$k\geq2$和$r\geq2$的二项式$k$-一致随机超图$H_k(n,p)$上$r$-邻域自举渗流的行为。在$r$-邻域自举渗透中,感染通过超图传播,从一组最初感染的顶点开始,在该过程的每个后续步骤中,具有至少$r$个感染邻居的每个顶点都会被感染。对于我们的分析,最初感染的顶点集是一致选择的

本文中的数字

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

无限树和不可数群上的Bootstrap渗透

证明了在任何$2k-正则不可修图上,$k$-规则的临界概率是严格正的,并且在任何根树$T$中,都有一种方法可以删除根的子代及其所有后代,并对所有剩余的子代重复此操作,以此类推。

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

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。

随机图中的传染集

证明了无向图中激活过程的阈值概率为p^*=Theta(\frac{1}{(n\log^{r-1}n)^{1/r)$。

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

有向非齐次随机图中的Bootstrap渗透

自举渗透是一个过程,用于描述感染在给定图形上的传播。在这里考虑的模型中,每个顶点都有一个单独的阈值。一旦