失配作为提升植入团簇模型蒙特卡洛方法算法性能的工具
统计力学
2021-11-23 v2 无序系统与神经网络
数据结构与算法
社会与信息网络
摘要
过参数化是推理与机器学习领域近期发展的关键因素。然而，解释这一成功背后的良好理论仍然缺失。本文研究了一个应用于最广为研究的推理问题之一——植入团簇问题——的非常简单的失配过参数化算法。我们分析了一类与著名 Jerrum 算法同类的蒙特卡洛（MC）算法。我们展示了该 MC 算法在恢复植入团簇方面一般而言是次优的。然而，我们展示了如何通过添加一个（失配的）参数——温度——来增强其性能；我们通过数值实验发现，该算法的这一过参数化版本能够达到植入团簇问题所假定的算法阈值。
引用
@article{arxiv.2106.05720,
title = {Mismatching as a tool to enhance algorithmic performances of Monte Carlo methods for the planted clique model},
author = {Maria Chiara Angelini and Paolo Fachin and Simone de Feo},
journal= {arXiv preprint arXiv:2106.05720},
year = {2021}
}