On the accuracy of ancestral sequence reconstruction for ultrametric trees with parsimony
我们研究了一个数学问题,关于惠誉算法重建的祖先序列的最近的共同祖先给定的系统发育树和序列数据的所有类群正在考虑的重建精度。特别是,对称的4-状态替代模型,也被称为Jukes-Cantor模型,我们肯定地回答了李,钢和张的猜想,其中指出,对于任何超度量系统发育树和对称模型,惠誉简约法使用所有终端类群是更准确的,或至少是准确的,祖先的状态重建比使用任何特定的终端类群或任何特定的类群对。到目前为止,这个猜想只被费舍尔和萨特在两态数据中回答过。在这里,我们专注于回答具有四种状态的生物学上更相关的情况,这对应于从DNA或RNA数据重建祖先序列。
2017-06-19 math.CO math.PR q-bio.PE
Reconstruction for the Asymmetric Ising Model on Regular Trees
已知Kesten-Stigum重建界对于大致对称的二元通道是紧的。本文将采用Sly [2011]所从事的加权磁化强度上的矩递归精细分析来处理对称Potts模型,并建立非对称Ising模型的临界条件,使Kesten-Stigum将重构阈值限制在正则$d$ -ary树上。
2017-12-01 math.PR
Sufficient condition for root reconstruction by parsimony on binary trees with general weights
我们考虑的问题推断的祖先状态的观察在一棵树的叶子,假设状态沿着树的两个状态对称马尔可夫过程的演变。我们建立了一个一般的分支率条件下,最大简约,一个共同的重建方法,只需要树的知识,成功比随机猜测均匀的树的深度。从而推广了(Zhang et al.,2010)和(Gascuel and Steel,2010)。我们的结果适用于确定性和独立同分布。边权重。
2020-12-31 cs.CE math.PR q-bio.PE
Reconstruction on Trees and Low-Degree Polynomials
Stanford University(斯坦福大学);Massachusetts Institute of Technology(麻省理工学院)
马尔可夫过程和树上广播的研究与各个领域有着深刻的联系,包括统计物理、图形模型、系统发育重建、马尔可夫链蒙特卡罗和随机图中的社区检测。值得注意的是,著名的置信传播(BP)算法实现了贝叶斯最优性能的重建问题预测的马尔可夫过程的值在树的根从它的值在叶子。最近,低次多项式的分析已经成为预测计算到统计差距的有价值的工具。在这项工作中,我们研究了树的重建问题的低次多项式的性能。也许令人惊讶的是,我们表明,有简单的树模型与$N$叶和有界元,其中(1)非平凡重建的根值是可能的一个简单的多项式时间算法和噪声的鲁棒性,但没有任何多项式的次数$N^{c}$为$c > 0$一个常数只取决于元,(2)当树是未知的,并给出多个样本与相关的根分配,根值的非平凡重构可以使用简单的统计查询算法,但不能使用任何次数的多项式$N^c$。这些结果澄清了贝叶斯估计问题的低次多项式与多项式时间算法的一些局限性。他们还补充了Moitra,Mossel和Sandon最近的工作,他们研究了信念传播的电路复杂性。作为我们的主要结果的结果,我们表明,对于一些$c' > 0$只依赖于arity,$\exp(N^{c'})$许多样本需要RBF核回归获得非平凡的相关与真正的回归函数(BP)。我们提出了有关低次多项式和Kesten-Stigum阈值的开放性问题。
2022-10-25 cs.LG math.PR math.ST
Reconstruction on Trees: Exponential Moment Bounds for Linear Estimators
考虑具有不可约边转移矩阵$M$的无限$b$叉树$T = (V,E)$上的马尔可夫链$(ξ_v)_{v \in V} \in [k]^V$,其中$b \geq 2$,$k \geq 2$和$[k] = \{1,...,k\}$ .我们用$L_n$表示$T$的$n$级顶点.假设$M$具有实第二大(绝对值)特征值$λ$,其具有对应的实特征向量$ν\neq 0$。让$σ_v = ν_{ξ_v}$,我们考虑下面的根状态估计,这是由Mossel和Peres(2003)在树的“重构问题”的上下文中引入的:\begin{equation*} S_n = (bλ)^{-n} \sum_{x\in L_n} σ_x. \end{equation*}正如Mossel和Peres所指出的,当$bλ^2 > 1$(所谓的Kesten-Stigum重构阶段)时,量$S_n$具有一致有界方差。在这里,我们给出了当$S_n^2$。我们的研究结果的推断进化树的影响。
2009-08-14 cs.DS math.PR math.ST
The skeleton-blocks decomposition of Bienaymé trees, and applications to their local convergence
University of Sheffield(谢菲尔德大学)
本文通过骨架块分解研究多类型临界Bienaymé树,将其视为单类型骨架加多类型块,利用与局部收敛的相容性,为传统局部极限定理提供了简洁证明。
2026-09-18 math.PR
The non-tightness of the reconstruction threshold of a 4 states symmetric model with different in-block and out-block mutations
Queensborough Community College, City University of New York(纽约城市大学皇后区社区学院);University of Washington(华盛顿大学)
树重构问题是在树的$n$级收集和分析海量数据,以确定当$n$趋于无穷大时,根是否存在非零信息。它与随机块模型中的聚类问题的联系已经很好地建立起来,随机块模型在机器学习和数据挖掘中有广泛的应用。对于随机块模型,一个“信息理论上可解,但计算困难”的区域,或说“混合硬相”,出现时,重建界是不紧的树问题的相应的重建。虽然它已经在许多情况下进行了研究,建立严格的重建阈值的现有文献是非常有限的,它变得非常具有挑战性时,所调查的模型具有$4$状态(随机块模型与$4$社区)。受新近提出的$q_1+q_2$随机块模型的启发,本文研究了具有不同块内和块外转移概率的$4$状态对称模型,并严格给出了重构阈值不紧的条件.
2019-06-22 cs.LG math.PR stat.ML
Robust reconstruction on trees is determined by the second eigenvalue
考虑一个根为ρ的无限树T=(V,E)上的马尔可夫链。在这样的链中,一旦选择了初始根状态σ(ρ),每个顶点通过应用马尔可夫转移规则(并且所有这些应用都是独立的)从其父节点中迭代地选择其状态。设μ_j表示σ(ρ)= j的结果测度,结果测度μ_j定义在配置σ=(σ(x))_{x \in V} \in A^V上,其中A是某个有限集.设μ_j^n表示μ对由变量σ(x)生成的σ-代数的限制,其中x与ρ的距离正好为n。设α_n= max_{i,j\in A} d_{TV}(μ_i^n,μ_j^n),其中d_{TV}表示全变差距离,如果lim inf_{n\to\infty} α_n>0,我们说重建问题是可解的.重建可解性大致意味着树的第n层包含关于树的根的非零信息量,作为n \to \infty。本文研究了鲁棒重建问题。设ν是A上的非退化分布,ε>0.设σ是根据μ_j^n选择的,σ'是通过对每个节点独立地设σ(v)= σ'(v)以概率1-ε从σ中获得的,否则σ '(v)是来自ν的独立样本。我们用μ_j^n[ν,ε]表示在ε '上的结果测度。测度μ_j^n[ν,ε]是测度μ_j^n的扰动。
2005-03-30 math.CO math.PR math.SP
Reconstruction thresholds on regular trees
我们考虑一个具有二进制状态空间和索引集$T^k$的分支随机游动,它是一个无限的有根树,其中每个节点有k个孩子(也称为“树上广播”模型).树的根取随机值0或1,然后每个节点根据2x 2转移阵P独立地将值传递给它的每个子节点。如果树的第d级的值包含有关根处的值的非零信息,如$d\to\infty$,则我们说“重建是可能的”。采用Brightwell和Winkler的方法,我们得到了一般情况和特殊情况$p_{11}=0$下不可能重构的新条件.后一种情况与统计物理学中的“硬核模型”密切相关;我们结果的一个推论是,对于具有活动$λ=1$的(k+1)-正则树上的硬核模型,对于任何k,唯一的简单不变吉布斯测度在吉布斯测度集中是极值的。
2003-05-28 math.PR
Belief propagation, robust reconstruction and optimal recovery of block models
我们考虑的问题,重建稀疏对称块模型与两个块和连接概率$a/n$和$b/n$的块间和块内边缘概率,分别。最近的研究表明,当且仅当$(a-b)^2>2(a+b)$时,人们可以做得比随机猜测更好。使用一个变种的信念传播,我们给出了一个重建算法,这是最佳的意义上说,如果$(a-b)^2>C(a+b)$的一些常数$C$,那么我们的算法最大化的分数正确标记的节点。我们的算法是唯一被证明可以实现正确标记节点的最佳比例的算法。一路上,我们证明了一些结果的独立利益的鲁棒重建的伊辛模型的定期和泊松树。
2016-09-27 cs.SI math.PR
Robust Reconstruction on Trees with a Growing Alphabet
Stanford University(斯坦福大学)
本文研究字母表增长时Potts树上鲁棒重构,证明在dλ>1条件下,即使边界噪声极强,根后验渐近不变,无噪声与有噪声重构精度相同。
2026-09-29 cs.IT math.IT math.PR
Block Markov Chains on Trees
引入了以无限有根树为索引的块马尔可夫链。结果表明,BMC定义了一类新的树索引马尔可夫过程。我们澄清的结构与马尔可夫链(MC)和马尔可夫随机场(MRF)的BMC。主要是,表明概率测度,这是BMC的每个根确实是马尔可夫链(MC),但他们形成严格的子类马尔可夫随机场(MRF)的考虑树。相反,一类的MC,这是BMC的特点。此外,我们建立,在一维的情况下,类的BMC符合MC。然而,一维晶格的轻微扰动导致我们出现不是MC的BMC的例子。
2020-08-23 math.PR
Optimal Recovery of Block Models with $q$ Communities
本文研究稀疏随机块模型的重建问题。Mossel、Neeman和Sly的论文“Belief Propagation,robust reconstruction and optimal recovery of block models”提供并证明了一种重建算法,该算法在2个社区的情况下恢复社区的最佳比例。他们证明的主要步骤是表明,当信噪比足够大时,特别是$θ^2d > C$,在叶子上有或没有噪声的规则树上的重建精度是相同的。本文将把他们的结果,包括主要步骤,推广到任何数量的社区,提供一个与信念传播相关的算法,该算法可以恢复社区标签的可证明的最优比例。
2020-10-20 cs.SI math.PR
Optimal Sequence Length Requirements for Phylogenetic Tree Reconstruction with Indels
我们考虑系统发育树重建问题的插入和删除(indels)。系统发生算法在一个模型下进行,其中序列沿着模型树向下进化,并且给定叶子上的序列,问题是以高概率重建模型树。传统上,序列突变的替代唯一的过程,虽然最近的一些工作认为进化过程中的插入和删除。在本文中,我们改进了以前的工作,给出了一个重建算法,同时具有$O(\text{poly} \log n)$序列长度和容忍恒定的indel概率在每个边缘。当模型树具有$O(\text{poly} \log n)$直径和离散化分支长度时,我们的递归重建的基于距离的技术可证明地输出模型树,允许插入和删除的概率在每个边缘上是不均匀和不对称的。我们的多对数序列长度界限显着改善了以前的多项式序列长度界限和匹配的序列长度界限中的替代只有模型的系统发育进化,从而挑战的想法,许多全球的插入和删除时造成的错位$p_{indel}$是大的重建与短序列的根本障碍。
2019-02-20 cs.DS math.PR q-bio.QM
Reconstruction Threshold for the Hardcore Model
在本文中,我们考虑的重建问题的树的硬核模型。我们确定了当lambda <(ln 2-o(1))ln^2(k)/(2 lnln(k))时k-正则树上的非重建机制的新界限,改进了lambda< e-1. This is almost tight as reconstruction is known to hold when lambda>(e+o(1))ln^2(k)的先前最佳界限。本文讨论了在稀疏随机图中寻找大独立集与树上独立集抽样的马尔可夫链的混合时间的关系。
2010-04-20 cs.DM math.CO math.PR
Reconstruction for models on random graphs
考虑一个附着在图的顶点上的随机变量的集合。重建问题需要估计其中一个给定的“遥远”的观察。当它们的联合概率分布是关于树的马尔可夫时,几个理论结果(和简单算法)是可用的。在本文中,我们考虑的情况下,序列的随机图,局部收敛到树。特别是,我们开发了一个充分条件的树和图的重建问题相吻合。我们把这个条件应用到随机图的着色上。此外,我们的伊辛模型在这样的图形的行为特征,无论是有吸引力的和随机的相互作用(分别为“铁磁”和“自旋玻璃”)。
2007-09-10 cond-mat.stat-mech math.CO math.PR
Optimal reconstruction of general sparse stochastic block models
本文将对称双社区稀疏随机块模型的重构结果推广至任意数量非对称社区的一般情形,证明与Belief Propagation密切相关的算法可恢复最优比例社区标签。
2023-12-19 math.PR
Global Alignment of Molecular Sequences via Ancestral State Reconstruction
分子系统发育学技术通常不能解释诸如位点插入和缺失(称为插入缺失)等常见的进化事件。相反,树构建算法和祖先状态推断程序通常依赖于序列进化的仅替换模型。在实践中,这些方法被扩展超出这个简化的设置与使用的questionistics,产生全局比对的输入序列-一个重要的问题,没有严格的基于模型的解决方案。在本文中,我们考虑一个新版本的多序列比对的背景下,随机indel模型。更确切地说,我们介绍了以下{ \em跟踪重建问题的树}(TRPT):一个二进制序列是通过树的通道,我们允许替换,删除和插入广播,我们试图重建原始序列从收到的序列在树叶的树。我们给出了一个递归的过程,这个问题具有较强的重建保证在低突变率,也提供了一个对齐的序列在树叶的树。在先前的工作中已经研究了没有indel的TRPT问题(Mossel 2004,Daskalakis等人2006),作为获得最佳系统发育重建方法的自举步骤。目前的工作建立了一个框架,这些工作扩展到进化模型与indels。
2009-12-14 cs.DS math.PR math.ST
Coalescent-based species tree estimation: a stochastic Farris transform
Rice University(莱斯大学);Massachusetts Institute of Technology(麻省理工学院);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
从基因组数据重建物种进化史面临两个重大障碍:1)描述每个个体基因进化的树-即,基因树可能与物种的亲缘关系不同,以及2)对应于每个基因的分子序列通常提供关于基因树本身的有限信息。在本文中,我们考虑一种方法来解决这两个障碍的物种树重建。具体来说,我们提出了一个算法下的多物种合并模型的网站替代的标准模型的生育重建。多物种合并通常被用来模拟基因树不一致,由于不完整的谱系排序,一个良好的研究群体遗传效应。在以前的工作中,在这种情况下,推导出一个信息理论的权衡基因座的数量,$m$,需要一个准确的重建和基因座序列的长度,$k$。结果表明,要重建长度为$f$的内部分支,需要$m$的数量级为$1/[f^{2} \sqrt{k}]$。先前的结果是在分子钟假设下获得的,即,假设突变率(以及种群规模)在整个物种进化过程中是恒定的。在这里,我们推广这个结果超出了限制性的分子钟假设,并获得一个新的重建算法,具有相同的数据要求(对数因子)。我们的主要贡献是一个新的减少下的多物种结合的分子钟的情况下。作为一个推论,我们还获得了一个新的可识别性结果的独立利益:任何物种树与$n \geq 3$的物种,生根的物种树可以确定其无根加权基因树的分布,即使在没有一个分子钟。
2017-07-13 cs.LG math.PR math.ST
Reconstruction for Colorings on Trees
考虑$k$ -深度$\ell$和分支因子$Δ$的完整树的着色。如果我们固定叶子的颜色,因为$\ell$趋向于$\infty$,那么对于$k$的什么范围,根均匀地分布在所有$k$颜色上?这对应于无限体积吉布斯测度唯一性的阈值。当$k\leΔ+1$时,它可以直接显示叶子的着色的存在,这些着色“冻结”了整个树。对于$k\geqΔ+2$,Jonasson证明了对于任何固定的叶子着色,根是"无偏的“,因此吉布斯测度是唯一的。叶子的{ \em典型}着色会发生什么?当叶子在期望中对根具有非零影响时,在叶子的随机着色上,重建被称为成立。非重构等价于自由边界吉布斯测度的极值。当$k<Δ/\lnΔ$时,可以直接表明重建是可能的,因此测量不是极值。我们证明,$C>1$和$k =CΔ/\lnΔ$,吉布斯措施是极端的在很强的意义上:高概率的着色的叶子的影响在根指数衰减快速与深度的树。最近Sly也证明了密切相关的结果。上述极值的强形式意味着更新恒定大小块的局部马尔可夫链具有逆线性熵常数,因此具有$O(N\log N)$混合时间,其中$N$是树的顶点数。
2009-11-29 math-ph math.CO math.MP
Reconstructing Trees from Traces
我们研究的问题,学习一个节点标记的树从一个适当定义的删除通道的独立的痕迹。这个问题,树迹重建,推广字符串迹重建,对应于树是一个路径。对于许多类的树,包括完整的树和蜘蛛,我们提供的算法,重建的标签只使用一个多项式数量的痕迹。这与已知的弦迹重建结果形成鲜明对比,弦迹重建需要指数级的多个迹线,并且其中一个中心开放问题是确定多项式数目的迹线是否足够。我们的技术结合了新颖的组合和复杂的分析方法。
2020-09-18 cs.CC cs.DS math.PR
Large Degree Asymptotics and the Reconstruction Threshold of the Asymmetric Binary Channels
本文考虑了噪声树网络中给定根节点的信息传播过程,并回答了当n趋于无穷大时,树的第n层符号是否包含根节点的非零信息的问题.虽然树的重建问题已经在包括信息论、数学遗传学和统计物理学的许多背景下被研究,但是现有的文献中建立严格的重建阈值非常有限。在Borgs、Chayes、Mossel和Roch的杰出工作中(Kesten-Stigum重建界对于大致对称的二进制通道是紧的),建立了d叉树上的二进制非对称通道的重建问题的精确阈值,假设非对称性足够小,这是大约十年来获得的第一个精确重建阈值。在本文中,通过精细分析的时刻递归的加权版本的磁化强度,和浓度的调查,我们严格地给出了一个完整的答案的问题,它需要有多小,以建立紧密的重建阈值,并进一步确定其渐近大的程度。
2018-12-14 math.PR
Tree Representation, Growth Rate of Blockchain and Reward Allocation in Ethereum with Multiple Mining Pools
研究具有多个矿池的以太坊是有趣但困难和具有挑战性的。其中一个主要的困难来自于不仅如何表示这样一个一般的树与多个区块分支(或子链)相关的多个矿池,但如何分析一个多维随机系统,由于多个矿池之间的采矿竞争。在本文中,我们首先建立了一个数学表示的树与多块分支。然后,我们提供了以太坊的区块分类:常规区块(主链中),孤儿区块,叔叔区块,陈旧区块和侄子区块,并通过应用大数定律给出了生成不同类型区块的一些关键概率。在此基础上,我们进一步讨论了区块链的增长率,并通过应用更新奖励定理在多个矿池之间分配奖励。最后,我们使用一些模拟实验来验证我们的理论结果,并表明开发的近似计算方法,如关键概率,区块链的长期增长率,以及多个矿池之间的长期奖励分配(率),可以有更快的收敛速度。因此,我们提供了一个强大的工具来观察和理解自私采矿攻击对多个采矿池的以太坊性能的影响。我们相信,本文中开发的方法和结果将有助于多矿池以太坊的研究,从而可能激发一系列有前途的研究。
2022-01-25 cs.CR cs.DC cs.IT
Big Data Information Reconstruction on an Infinite Tree for a $4\times 4$-state Asymmetric Model with Community Effects
无限树上的信息重构问题,是指当$n$趋于无穷大时,在树的$n$级上收集并分析大量的数据样本,以确定是否存在根的非零信息。该问题在生物学、信息论和统计物理学等各个领域都有广泛的应用,近年来它与聚类学习、数据挖掘和深度学习的密切联系也得到了很好的建立。虽然已经在许多情况下进行了研究,但现有的文献中建立严格的重建阈值非常有限。在经典的脱氧核糖核酸(DNA)进化模型$81$模型的基础上,考虑到Chargaff宇称规则中鸟嘌呤-胞嘧啶含量偏差的存在,我们研究了DNA四个碱基的$4\times 4$态不对称概率转移阵的噪声信道.通过对矩递推的精细分析、浓度的深入估计以及对渐近$4$维二阶非线性动力系统的深入研究,探讨了分子遗传学中相应的信息重构问题.我们严格地表明,当腺嘌呤和胸腺嘧啶的碱基频率之和落在区间$\left(0,1/2-\sqrt{3}/6\right)\bigcup \left(1/2+\sqrt{3}/6,1\right)$,这是第一个严格的结果与社区效应的非对称有噪信道的重建界是不紧。
2018-12-24 math.PR
Planting trees in graphs, and finding them back
本文研究了Erdens-Rényi随机图中种植结构的检测与重建问题。出于通信安全的问题,我们专注于种植结构,包括在树图。对于种植线图,我们建立以下相图。在初始图的平均度$λ$低于某个临界值$λ_c=1$的低密度区域中,当线长度$K$越过某个临界值$f(λ)\ln(n)$时,检测和重建从不可能变为容易,其中$n$是图中的节点数。在高密度区域$λ>λ_c$中,随着$K$从$o(\sqrt{n})$到$ω(\sqrt{n})$,检测从不可能变为容易,并且只要$K=o(n)$,重建就保持不可能。对于不同深度的$D$ -ary树$h$和$2\le D\le O(1)$,我们识别低密度区域$λ<λ_D$,使得以下成立。存在具有以下属性的阈值$h*=g(D)\ln(\ln(n))$。随着$h$与$h*$交叉,检测从可行变为不可能。我们还表明,只有部分重建是可行的最好的$h\ge h*$。我们猜想一个类似的图片,以保持$D$ -ary树的线在高密度区域$λ>λ_D$,但确认只有以下部分的图片:检测是很容易的$D$ -ary树的大小$ω(\sqrt{n})$,而在最好的情况下,只有部分重建是可行的$D$ -ary树的任何大小$o(n)$。这些结果与相应的图片{ \em低秩}种植结构的检测和重建,如密集的子图和块社区:我们观察到检测和重建之间的差异,后者是不可能的检测是容易的广泛的参数。这个属性不适用…
2019-06-26 math.PR
Reconstruction of symmetric Potts Models
树的重建问题已经在统计物理学、信息论和计算生物学等领域得到了广泛的研究。然而,仅在少数模型中建立了严格的重建阈值。我们证明了第一个精确的重建阈值在非二进制模型建立Kesten-Stigum界的3状态Potts模型的正则树的大程度。进一步证明了当$q$.此外,我们确定重建阈值的渐近性。
2008-11-07 math-ph math.MP math.PR
Reconstructing Arbitrary Trees from Traces in the Tree Edit Distance Model
在本文中,我们考虑的问题,重建树的痕迹在树编辑距离模型。Davies等人(2019)的先前工作分析了重建标记树的特殊情况。在这项工作中,我们显着扩大我们对这个问题的理解,在任意树的情况下,给出一般的结果。即,我们给出:当树拓扑已知时,从树迹重建问题到更经典的字符串重建问题的简化,学习任意树拓扑的下界,以及使用Nazarov和Peres(2017)的技术学习任何树的拓扑的通用算法。最后,我们讨论了为什么任意树需要指数许多样本下左传播模型。
2022-01-13 cs.CC cs.DS math.PR
Glauber Dynamics of colorings on trees
树上自旋系统Glauber动力学的混合时间与重构问题密切相关。Martinelli、Sinclair和Weitz通过与块动力学的比较,建立了一类具有约束log-Sobolev常数的软约束的自旋系统的这种对应关系。然而,当存在硬约束时,块动态可以是可约的。我们介绍了一个变种的块动力学扩展这些结果的广泛的一类自旋系统硬约束。这基本上适用于具有非重构的任何自旋系统,只要平均而言根在大邻域中不是局部冻结的。特别是,我们证明了混合时间的Glauber动力学着色的定期树是$O(n\log n)$在整个已知的非重建制度。
2014-12-09 math.PR
Stochastic block model entropy and broadcasting on trees with survey
随机块模型(SBM)中的熵的极限已经在稀疏区域中对于离散社区的特殊情况[COKPZ 17]和对于离散社区的经典情况但在稠密区域中[DAM 16]被表征。在经典的稀疏和稀疏的情况下,这个问题还没有被关闭。本文建立了在这种情况下的结果,任何SNR除了为区间(1,3.513)。它进一步给出了该窗口中极限的近似值。结果是通过表示的整体SBM熵作为一个整体的局部树熵在树上的广播模型与擦除边信息。然后,主要的技术进步依赖于在这样的模型中显示边界的不相关性,也在[KMS 16],[MNS 16]和[MX 15]中研究了变体。特别是,我们建立的唯一性的BP不动点的调查模型的任何SNR高于3.513或低于1。这只在信噪比和测量强度之间的平面上留下了一个狭窄的区域,这些论文中所描述的BP的唯一性仍然没有得到证明。
2021-01-29 cs.IT math.IT math.PR
A symmetric entropy bound on the non-reconstruction regime of Markov chains on Galton-Watson trees
对于通过从根广播具有给定转移阵M的信号而获得的树索引q状态马尔可夫链的不可重构性,我们给出了形式为Q(d)c(M)<1的准则。这里c(M)是一个显函数,它在M的集合上是凸的,具有给定的不变分布,它是根据对称熵上的(q-1)维变分问题定义的。Q(d)是Galton-Watson树上的期望后代数。这个结果等价于证明了相应的吉布斯单形内的自由边界条件-吉布斯测度的极值性。我们的定理适用于可能不可逆的M和它的证明是基于一个一般的递推公式的期望的对称化相对熵函数,邀请他们使用作为一个李雅普诺夫函数。在Potts模型的情况下,本定理用一个简化的证明再现了作者早先在对称Ising模型情况下的结果(其中论点变得类似于Pemantle和Peres的方法)该方法产生正确的重建阈值),在已知Kesten-Stigum界限不明显的(强)非对称伊辛模型的情况下,该方法提供了改进的数值界限。
2010-01-18 math-ph math.MP math.PR