Concentration inequalities for correlated network-valued processes with applications to community estimation and changepoint analysis
相关网络值过程的集中不等式及其社区与变点估计应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究具有时间相关性的网络序列，并应用于社区与变点估计，支持网络、时间序列和结构变化分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
相关网络值过程的集中不等式及其社区与变点估计应用
- 研究问题
- 当网络边异步更新且具有时间相关性时，聚合邻接矩阵和拉普拉斯矩阵如何集中，并如何支撑社区和变点估计？
- 方法与思路
- 作者研究各边更新过程彼此独立、但每条边具有惰性动态的网络序列，推导聚合矩阵的集中结果并应用于估计一致性。
- 材料陈述的贡献
- 摘要称集中结果可用于证明标准社区与变点估计量的一致性，并通过模拟考察控制时间相关程度的惰性参数对准确性的影响。
- 阅读关注点
- 应核对边间独立与时间惰性的具体设定、集中界对网络规模和相关性的依赖，以及社区与变点一致性所需信号条件。
- 阅读边界
- 这是预印本，不能据此确认同行评审或期刊接收；摘要未给出集中界或估计速率，不能外推到边间任意相关的网络。
原文摘要
Network-valued time series are currently a common form of network data. However, the study of the aggregate behavior of network sequences generated from network-valued stochastic processes is relatively rare. Most of the existing research focuses on the simple setup where the networks are independent (or conditionally independent) across time, and all edges are updated synchronously at each time step. In this paper, we study the concentration properties of the aggregated adjacency matrix and the corresponding Laplacian matrix associated with network sequences generated from lazy network-valued stochastic processes, where edges update asynchronously, and each edge follows a lazy stochastic process for its updates independent of the other edges. We demonstrate the usefulness of these concentration results in proving consistency of standard estimators in community estimation and changepoint estimation problems. We also conduct a simulation study to demonstrate the effect of the laziness parameter, which controls the extent of temporal correlation, on the accuracy of community and changepoint estimation.