学习稀疏图论与广义Kesten-Stigum阈值
统计理论
2020-06-16 v1 机器学习
概率论
统计理论
摘要
学习图论的问题引起了多个科学界的广泛关注，近年来在稀疏区域取得了显著进展。然而，当前技术仍然需要发散的度数才能在图的局部结构均匀的挑战性情况下通过高效算法成功。本文提供了一种在常数期望度数区域学习图论的高效算法。该算法被证明能够在度量下成功估计图论的秩-投影，如果图论的前个特征值满足广义Kesten-Stigum条件。
引用
@article{arxiv.2006.07695,
title = {Learning Sparse Graphons and the Generalized Kesten-Stigum Threshold},
author = {Emmanuel Abbe and Shuangping Li and Allan Sly},
journal= {arXiv preprint arXiv:2006.07695},
year = {2020}
}
备注
32 pages