文献

J-GLOBAL ID：202202274248132961   整理番号：22A1063430

高密度確率ブロックモデルのためのモデル選択について【JST・京大機械翻訳】

On model selection for dense stochastic block models

著者 (3件)： Norros Ilkka (University of Helsinki) ,  Reittu Hannu (VTT Technical Research Centre of Finland) ,  Bazso Fuelop (Wigner Research Centre for Physics)
資料名： Advances in Applied Probability  (Advances in Applied Probability)
巻： 54  号： 1  ページ： 202-226  発行年： 2022年 
JST資料番号： W1601A  ISSN： 0001-8678  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文は,高密度グラフ漸近におけるRissanenの最小記述長(MDL)原理による確率的ブロックモデルの推定を研究した。モデル仕様の問題,即ち,ブロック数の同定に焦点を当てた。真の分割の精密化は,エッジ配置に対応するコード部分を常に減少させ,従って,このモデルを指定するコード部分のそれぞれの増加は,真の分割で最小を生じるために利得を超過するべきである。これらの効果間のバランスは繊細である。MDL原理は,相対ブロックサイズがゼロから離れているモデル間の真の分割を同定することを示した。結果をPoisson分布エッジ重みを持つモデルに拡張した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： グラフ ,  長さ ,  Poisson分布 ,  *利得 ,  精密化 ,  数学的性質 ,  原理 ,  *パラメタリゼーション
準シソーラス用語： 最小記述長 ,  ランダムグラフ ,  正則性 ,  MDL基準 ,  *モデル選択 ,  高密度 ,  ブロックサイズ , 【Automatic Indexing@JST】

著者キーワード (4件)： 最小記述長原理 ,  ランダムグラフ ,  Szemeradiの正則性 ,  正則分解

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 確率 ,  モデル ,  モデル選択