Pytania otagowane jako graph-theory

4
Gdzie jest teoria grafów w modelach graficznych?
Wprowadzenie do modeli graficznych opisuje je jako „... połączenie teorii grafów z teorią prawdopodobieństwa”. Rozumiem część teorii prawdopodobieństwa, ale mam problem ze zrozumieniem, gdzie dokładnie pasuje teoria grafów. Jakie spostrzeżenia z teorii grafów pomogły nam pogłębić nasze rozumienie rozkładów prawdopodobieństwa i podejmowania decyzji w warunkach niepewności? Szukam konkretnych przykładów poza …

6
Teoria grafów - analiza i wizualizacja
Nie jestem pewien, czy podmiot ten zainteresuje się CrossValidated. Powiesz mi Muszę przestudiować wykres (z teorii grafów ) tj. Mam pewną liczbę połączonych kropek. Mam tabelę ze wszystkimi kropkami i kropkami, od których każda jest zależna. (Mam też inną tabelę z implikacjami) Moje pytania brzmią: czy istnieje dobre oprogramowanie (lub …


1
Efekt przyczynowy poprzez regulację drzwi tylnych i drzwi wejściowych
Jeśli chcielibyśmy obliczyć przyczynowo-skutkowy wpływ na na poniższym wykresie przyczynowym, możemy użyć zarówno twierdzeń o dopasowaniu tylnych drzwi, jak i przednich drzwi, tj. XXXYYYP(y|do(X=x))=∑uP(y|x,u)P(u)P(y|do(X=x))=∑uP(y|x,u)P(u)P(y | \textit{do}(X = x)) = \sum_u P(y | x, u) P(u) i P(y|do(X=x))=∑zP(z|x)∑x′P(y|x′,z)P(x′).P(y|do(X=x))=∑zP(z|x)∑x′P(y|x′,z)P(x′).P(y | \textit{do}(X = x)) = \sum_z P(z | x) \sum_{x'} P(y|x', z)P(x'). Czy …

2
Co to znaczy, że wszystkie krawędzie sieci / wykresu w świecie rzeczywistym są statystycznie równie prawdopodobne, że zdarzy się to przez przypadek?
Korzystałem z metody ekstrakcji sieci szkieletowej opisanej w tym artykule: http://www.pnas.org/content/106/16/6483.abstract Zasadniczo autorzy proponują metodę opartą na statystykach, która daje prawdopodobieństwo dla każdej krawędzi na wykresie, że krawędź mogła wystąpić przypadkowo. Używam typowej granicy istotności statystycznej wynoszącej 0,05. Zastosowałem tę metodę do kilku rzeczywistych sieci, a co ciekawe, niektóre sieci …

2
Rozkład i wariancja liczby trójkątów na losowym wykresie
Rozważmy losowy wykres Erdosa-Renyi . Zbiór wierzchołków jest oznaczony . Zbiór krawędzi jest konstruowany losowo.G=(V(n),E(p))G=(V(n),E(p))G=(V(n),E(p))nnnVVVV={1,2,…,n}V={1,2,…,n}V = \{1,2,\ldots,n\}EEE Niech będzie prawdopodobieństwem , wtedy każda nieuporządkowana para wierzchołków ( ) występuje jako krawędź w z prawdopodobieństwem , niezależnie od innych par.ppp0&lt;p&lt;10&lt;p&lt;10<p<1{i,j}{i,j}\{i,j\}i≠ji≠ji \neq jEEEppp Trójkąt w to nieuporządkowany potrójny różnych wierzchołków, taki że …

2
Jak sprawdzić statystycznie, czy moja sieć (wykres) jest siecią „małego świata”, czy nie?
Sieć małego świata jest rodzajem wykresu matematycznego, na którym większość węzłów nie sąsiaduje ze sobą, ale do większości węzłów można dotrzeć od siebie niewielką liczbą przeskoków lub kroków. W szczególności sieć małego świata jest zdefiniowana jako sieć, w której typowa odległość L między dwoma losowo wybranymi węzłami (liczba wymaganych kroków) …

1
Jakie metody istnieją dostrajania hiperparametrów jądra graficznego SVM?
Mam pewne dane, które istnieją na wykresie . Wierzchołki należą do jednej z dwóch klas , a ja jestem zainteresowany szkoleniem SVM do rozróżniania dwóch klas. Jeden odpowiedni jądro to jądro dyfuzji , gdzie jest Laplace'a z i \ p jest parametrem strojenia.G=(V,E)G=(V,E)G=(V,E)yi∈{−1,1}yi∈{−1,1}y_i\in\{-1,1\}K=exp(−βL),K=exp⁡(−βL),K=\exp(-\beta L),LLLGGGββ\beta Strojenie SVM wymaga wyboru hiperparametrów, więc …

1
Gęstość robotów wykonujących losowy spacer na nieskończonym losowym wykresie geometrycznym
Rozważmy nieskończony losowy wykres geometryczny, w którym położenia węzłów są zgodne z procesem punktu Poissona o gęstości a krawędzie są umieszczone między węzłami bliższymi niż d . Dlatego długość krawędzi jest zgodna z następującym plikiem PDF:ρρ\rhoredd fa( l ) = { 2 lre2)l ≤ d0l &gt; df(l)={2ld2l≤d0l&gt;d f(l)= \begin{cases} \frac{2 …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.