降低网络最大熵模型中的简并度
统计力学
2020-12-03 v2 物理与社会
摘要
基于 Jaynes 的最大熵原理，指数随机图提供了一族原则性模型，允许在经验数据（可观测量）的约束下预测网络性质。然而，它们的使用常受到简并度问题的阻碍，该问题以自发对称性破缺为特征，导致预测失效。在此我们表明，当相应的态密度函数非对数凹时会出现简并度，这通常是约束可观测量之间非线性关系的结果。利用这些非线性关系，我们提出了一种通过变换使态密度函数变为对数凹的方法，从而解决一大类系统的简并度问题。该方法的有效性通过实例进行了说明。
引用
@article{arxiv.1407.0991,
title = {Reducing Degeneracy in Maximum Entropy Models of Networks},
author = {Szabolcs Horvát and Éva Czabarka and Zoltán Toroczkai},
journal= {arXiv preprint arXiv:1407.0991},
year = {2020}
}
备注
5 pages, 4 figures, 4 animated figures as supplemental material