稀疏图的私有图汇估计
本文针对社交网络保护隐私问题,提出了新算法和不可能结果,并给出了适用于复杂网络模型的新算法,该算法比之前的算法要更精确。同时,本文还提出一种新的不同隐私算法的扩展引理,希望能够被广泛应用。
Oct, 2018
首次开发纯节点差分隐私算法,用于学习随机块模型和多项式时间估计图论,其统计效能保证与先前最佳的信息理论(指数时间)节点私有机制相匹配。该算法基于一个指数机制,用于基于二次优化的得分函数,其水平取决于区块数。我们结果的关键要素是:(1)在可双重随机矩阵的多面体上进行的一个二次优化问题,描述了区块图模式之间的距离;(2)多项式优化在任意多面体上的通用二次收敛结果;(3)对得分函数进行利普希茨扩展的通用方法,作为二次优化算法范例的一部分。
Mar, 2024
本文提出了一种非参数分析网络的框架,基于一种自然的极限对象 —— 图源。我们证明了在一般条件下,图源估计的一致性,包括稀疏网络等重要的实际情况。我们使用档案似然方法,并将我们的结果与逼近理论、非参数函数估计和图限理论联系起来。
Sep, 2013
本文研究了一种估计潜在变量下矩阵条件期望的方法 —— 使用图函数。通过对分段常数和 H"older 连续图函数的研究,提出最小二乘估计量和指数加权聚合的有限样本风险界。另提出使用 Lloyd 的交替最小化算法来近似该估计量。在合成数据集上进行的数值实验表明了该图函数估计器的良好性能。
Apr, 2023
该论文提出了一种计算高效的方法,基于随机分块模型(SBA)对图形进行建模,对观察到的网络数据进行了一致的估计图谱,估计误差随着图形大小的增加而消失.
Nov, 2013
本研究分析了一种称为通用奇异值阈值(USVT)算法的谱方法在估计 Graphon 模型中的应用,证明了其误差速率在某些情况下可以达到最小值,但在某些情况下误差较大,与社区检测的计算难度相一致。
Sep, 2017
本文提出了一种基于样本点的谱估计器来构建随机几何图的方法,并证明其与非参数估计方法具有相同的收敛速率,同时提供了一种高效的计算方法,并通过该方法能够稳定地估计潜在空间的维度。
Sep, 2019
我们提出了一种稀疏图的学习方法,应用于一个无向高斯图模型的问题,并通过凸混合整数规划框架得到了新的估计器,该估计器在稀疏性精度矩阵的估计与变量选择方面有着优越的性能。
Jul, 2023
本文研究了对紧致(对称)度量空间上的卷积核图的恢复。在这种情况下,边的概率仅取决于潜在点之间距离的某些未知非参数函数(称为非参数几何图),并且提出了一种新的基于谱过程和 Goldenshluger-Lepski 改进方法的自适应估计方法。该方法可以在理论上和算法上高效地估计平滑 NGG,并展示了关于对称核函数的积分算子的谱的一项非渐近浓缩结果。
Aug, 2017