潜位置随机图模型中两类不同的不可辨识来源
统计理论
2020-04-01 v1 机器学习
统计理论
摘要
在潜位置随机图模型的语境中自然产生两种独立且不同的不可辨识来源，尽管它们并非该设定所独有。本文中我们在随机图推断背景下定义并考察这两种被分别称为子空间不可辨识与基于模型的不可辨识的不可辨识性。我们给出每类不可辨识性发挥作用的例子，并展示在某些设定中只需担心其中一种或另一种类型的不可辨识性。接着，我们刻画了在有子空间不可辨识与无子空间不可辨识两种情况下基于模型的不可辨识的极限。我们进一步获得了随机块模型与广义随机点积图的协方差及统计量的附加极限结果。
引用
@article{arxiv.2003.14250,
title = {On Two Distinct Sources of Nonidentifiability in Latent Position Random Graph Models},
author = {Joshua Agterberg and Minh Tang and Carey E. Priebe},
journal= {arXiv preprint arXiv:2003.14250},
year = {2020}
}