随机网络上分布式推理的误差率及其在社会学习中的应用

Dragana Bajovic

随机网络上分布式推理的误差率及其在社会学习中的应用

信息论 2022-08-11 v1 多智能体系统 math.IT

作者: Dragana Bajovic

摘要

本文研究了随机通用网络中 consensus+innovations 类算法的概率收敛速率。对于每个节点，我们给出了大偏差速率函数的下界以及一族上界，从而能够计算感兴趣事件在迭代过程中的指数收敛速率。相关应用包括分布式假设检验中的错误指数、社会学习中信念的收敛速率，以及分布式估计中的误差率。速率函数的边界在每个节点上具有非常特殊的形式：它们被构造为假设融合中心的速率函数与该节点存在性的某种拓扑模式对应的速率函数之间的凸包络。我们进一步证明了所发现边界在若干情形下的紧性，例如悬挂节点和正则网络，从而首次确立了随机网络中 consensus+innovations 与社会学习的大偏差原理证明。

关键词

分布式推理随机网络 consensus+innovations 大偏差社会学习错误指数收敛速率

引用

@article{arxiv.2208.05236,
  title  = {Inaccuracy rates for distributed inference over random networks with applications to social learning},
  author = {Dragana Bajovic},
  journal= {arXiv preprint arXiv:2208.05236},
  year   = {2022}
}

备注

43 pages, 3 figures

随机网络上分布式推理的误差率及其在社会学习中的应用

摘要

关键词

引用

备注

相关论文