复杂网络中跟踪因果马尔可夫过程的更新后验渗流阈值
机器学习
2009-05-15 v1 应用统计
摘要
复杂网络上的渗流已被用于研究计算机病毒、流行病和其他因果过程。在这里，我们提出了在主动监测网络时，节点状态的更新后验中存在网络特定、观测依赖的相变的条件。由于传统的渗流阈值是使用与观测无关的马尔可夫链推导的，后验阈值应更准确地模拟网络的真实相变，因为更新后验能更精确地跟踪过程。这些条件应能为在监测大型复杂网络时，建模更新后验对主动干预和控制策略的动态响应提供见解。
引用
@article{arxiv.0905.2236,
title = {Percolation Thresholds of Updated Posteriors for Tracking Causal Markov Processes in Complex Networks},
author = {Patrick L. Harrington and Alfred O. Hero},
journal= {arXiv preprint arXiv:0905.2236},
year = {2009}
}