经典多网络关联的外逼近

Victor Gitton

经典多网络关联的外逼近

量子物理 2022-02-10 v1 统计理论统计方法学统计理论

作者: Victor Gitton

摘要

我们提出了一个称为后选择膨胀框架的框架，用以获得与经典多网络场景相容的概率分布集合的收敛外逼近。此处，网络是一个双层有向无环图，包含一层经典随机性源、一层智能体，以及指定智能体与源之间连接的边。多网络场景是此类网络的一个列表，连同对使用相同策略的智能体子集的指定。多网络关联集合的外逼近提供了证明一组智能体输出分布不可行的手段。我们进一步表明，后选择膨胀框架在数学上等价于标准膨胀框架：就此而言，我们的结果有助于深入理解Navascués与Wolfe [arXiv:1707.06476]的膨胀层级收敛性证明，并将其推广到多网络场景的情形。

关键词

经典网络多网络关联外逼近后选择膨胀膨胀层级双层有向无环图

引用

@article{arxiv.2202.04103,
  title  = {Outer approximations of classical multi-network correlations},
  author = {Victor Gitton},
  journal= {arXiv preprint arXiv:2202.04103},
  year   = {2022}
}

备注

41 + 27 pages, 11 figures, lots of tensor networks

经典多网络关联的外逼近

摘要

关键词

引用

备注

相关论文