ग्राफॉन: Difference between revisions
m (added Category:Vigyan Ready using HotCat) |
No edit summary |
||
| (One intermediate revision by one other user not shown) | |||
| Line 210: | Line 210: | ||
अब हम कहते हैं कि रेखांकन का एक क्रम <math>(G_n)</math> कट दूरी के अनुसार अभिसारी है यदि यह कट दूरी के अनुसार एक कॉची अनुक्रम है <math>\delta_\square</math>. चूंकि यह परिभाषा का सीधा परिणाम नहीं है, यदि ग्राफ का ऐसा क्रम कॉची है, तो <math>W</math> हमेशा किसी ग्राफॉन में परिवर्तित हो जाता है। | अब हम कहते हैं कि रेखांकन का एक क्रम <math>(G_n)</math> कट दूरी के अनुसार अभिसारी है यदि यह कट दूरी के अनुसार एक कॉची अनुक्रम है <math>\delta_\square</math>. चूंकि यह परिभाषा का सीधा परिणाम नहीं है, यदि ग्राफ का ऐसा क्रम कॉची है, तो <math>W</math> हमेशा किसी ग्राफॉन में परिवर्तित हो जाता है। | ||
==== अभिसरण की समानता ==== | ==== अभिसरण की समानता ==== | ||
| Line 235: | Line 235: | ||
इस लेम्मा से पता चलता है कि वाम-अभिसरण का अर्थ कटी हुई दूरी के अंतर्गत अभिसरण है। | इस लेम्मा से पता चलता है कि वाम-अभिसरण का अर्थ कटी हुई दूरी के अंतर्गत अभिसरण है। | ||
=== ग्राफोन का स्थान === | === ग्राफोन का स्थान === | ||
| Line 254: | Line 254: | ||
माना कि <math>\mathcal{G}</math> रेखांकन का सेट हो। प्रत्येक ग्राफ के लिए विचार करें <math>G \in \mathcal{G}</math> खुली गेंद <math>B_\square(G, \epsilon)</math> जिसमें सभी ग्राफोन हों <math>W</math> ऐसा है कि <math>\delta_\square(W, W_G) < \epsilon</math>. सभी ग्राफ कवर के लिए खुली गेंदों का सेट <math>\widetilde{\mathcal{W}}_0</math>, इसलिए सघन का अर्थ है कि एक परिमित उपकवर है <math>\{ B_\square(G, \epsilon) \mid G \in \mathcal{G}_0 \}</math> कुछ परिमित उपसमुच्चय के लिए <math>\mathcal{G}_0 \subset \mathcal{G}</math>. अब हम ले सकते हैं <math>N</math> रेखांकन के बीच शीर्षों की सबसे बड़ी संख्या होना <math>\mathcal{G}_0</math>. | माना कि <math>\mathcal{G}</math> रेखांकन का सेट हो। प्रत्येक ग्राफ के लिए विचार करें <math>G \in \mathcal{G}</math> खुली गेंद <math>B_\square(G, \epsilon)</math> जिसमें सभी ग्राफोन हों <math>W</math> ऐसा है कि <math>\delta_\square(W, W_G) < \epsilon</math>. सभी ग्राफ कवर के लिए खुली गेंदों का सेट <math>\widetilde{\mathcal{W}}_0</math>, इसलिए सघन का अर्थ है कि एक परिमित उपकवर है <math>\{ B_\square(G, \epsilon) \mid G \in \mathcal{G}_0 \}</math> कुछ परिमित उपसमुच्चय के लिए <math>\mathcal{G}_0 \subset \mathcal{G}</math>. अब हम ले सकते हैं <math>N</math> रेखांकन के बीच शीर्षों की सबसे बड़ी संख्या होना <math>\mathcal{G}_0</math>. | ||
== अनुप्रयोग == | == अनुप्रयोग == | ||
| Line 278: | Line 278: | ||
मजबूत नियमितता प्रमेयिका का प्रमाण ऊपर दिए गए परिणाम 1 की अवधारणा के समान है। यह पता चला है कि हर ग्राफॉन <math>W</math> एक स्टेपफंक्शन के साथ अनुमान लगाया जा सकता है <math>U</math> एलपी_स्पेस#एलपी_स्पेस_एंड_लेब्सग्यू_इंटीग्रल्स में <math>L_1</math> मानदंड, दिखा रहा है कि गेंदों का सेट <math>B_1(U, \epsilon_0)</math> ढकना <math>\widetilde{\mathcal{W}}_0</math>. ये सेट में नहीं खुले हैं <math>\delta_\square</math> मीट्रिक, लेकिन खुले रहने के लिए उन्हें थोड़ा बड़ा किया जा सकता है। अब, हम एक परिमित उपकवर ले सकते हैं, और कोई यह दिखा सकता है कि वांछित स्थिति इस प्रकार है। | मजबूत नियमितता प्रमेयिका का प्रमाण ऊपर दिए गए परिणाम 1 की अवधारणा के समान है। यह पता चला है कि हर ग्राफॉन <math>W</math> एक स्टेपफंक्शन के साथ अनुमान लगाया जा सकता है <math>U</math> एलपी_स्पेस#एलपी_स्पेस_एंड_लेब्सग्यू_इंटीग्रल्स में <math>L_1</math> मानदंड, दिखा रहा है कि गेंदों का सेट <math>B_1(U, \epsilon_0)</math> ढकना <math>\widetilde{\mathcal{W}}_0</math>. ये सेट में नहीं खुले हैं <math>\delta_\square</math> मीट्रिक, लेकिन खुले रहने के लिए उन्हें थोड़ा बड़ा किया जा सकता है। अब, हम एक परिमित उपकवर ले सकते हैं, और कोई यह दिखा सकता है कि वांछित स्थिति इस प्रकार है। | ||
=== सिदोरेंको का अनुमान === | === सिदोरेंको का अनुमान === | ||
| Line 381: | Line 381: | ||
<ref name=Orbanz:Roy:2015>{{Cite journal| volume = 37| issue = 2| pages = 437–461| last1 = Orbanz| first1 = P.| last2 = Roy| first2 = D.M.| title = Bayesian Models of Graphs, Arrays and Other Exchangeable Random Structures| journal = IEEE Transactions on Pattern Analysis and Machine Intelligence| doi=10.1109/tpami.2014.2334607| pmid = 26353253| arxiv = 1312.7857| year = 2015| s2cid = 566759}}</ref> | <ref name=Orbanz:Roy:2015>{{Cite journal| volume = 37| issue = 2| pages = 437–461| last1 = Orbanz| first1 = P.| last2 = Roy| first2 = D.M.| title = Bayesian Models of Graphs, Arrays and Other Exchangeable Random Structures| journal = IEEE Transactions on Pattern Analysis and Machine Intelligence| doi=10.1109/tpami.2014.2334607| pmid = 26353253| arxiv = 1312.7857| year = 2015| s2cid = 566759}}</ref> | ||
</references> | </references> | ||
[[Category:Articles with hatnote templates targeting a nonexistent page]] | |||
[[Category: | |||
[[Category:Created On 08/05/2023]] | [[Category:Created On 08/05/2023]] | ||
[[Category:Vigyan Ready]] | [[Category:Machine Translated Page]] | ||
[[Category:Templates Vigyan Ready]] | |||
[[Category:ग्राफ सिद्धांत]] | |||
[[Category:सिद्धांत संभावना]] | |||
Latest revision as of 10:02, 26 May 2023
ग्राफ़ सिद्धांत और सांख्यिकी में, एक ग्राफ़ॉन (जिसे ग्राफ़ सीमा के रूप में भी जाना जाता है) एक सममित फलन औसत दर्जे का कार्य है: , जो सघन रेखांकन के अध्ययन में महत्वपूर्ण है। सघन रेखांकन के अनुक्रम की सीमा के लिए ग्राफ़न्स एक प्राकृतिक धारणा के रूप में उत्पन्न होते हैं, और विनिमेय यादृच्छिक चर यादृच्छिक ग्राफ़ मॉडल की मौलिक परिभाषित वस्तुओं के रूप में हैं। ग्राफ़ॉन निम्नलिखित प्रेक्षणों के युग्म द्वारा सघन ग्राफ़ से बंधे हैं: ग्राफ़ॉन द्वारा परिभाषित यादृच्छिक ग्राफ़ मॉडल लगभग निश्चित रूप से सघन ग्राफ़ को वृद्धि देते हैं, और, नियमितता लेम्मा द्वारा, ग्राफ़ॉन यादृच्छिक बृहत् सघन ग्राफ़ की संरचना को प्रग्रहण करते हैं।
सांख्यिकीय सूत्रीकरण
एक ग्राफॉन एक सममित मापने योग्य कार्य है . सामान्यत: एक ग्राफॉन को निम्न योजना के अनुसार विनिमेय यादृच्छिक ग्राफ मॉडल को परिभाषित करने के रूप में समझा जाता है:
- प्रत्येक शीर्ष ग्राफ का एक स्वतंत्र यादृच्छिक मान नियुक्त किया गया है ।
- किनारा संभावना के साथ ग्राफ में स्वतंत्र रूप से सम्मलित है ।
एक यादृच्छिक ग्राफ मॉडल एक विनिमेय यादृच्छिक ग्राफ मॉडल है और केवल इसे इस तरह (संभवतः यादृच्छिक) ग्राफॉन के संदर्भ में परिभाषित किया जा सकता है। एक निश्चित ग्राफॉन पर अर्द्धरित मॉडल कभी-कभी निरूपित किया जाता है , यादृच्छिक रेखांकन के एर्डोस-रेनी मॉडल के अनुरूप। ग्राफॉन से उत्पन्न ग्राफ इस प्रकार कहा जाता है -यादृच्छिक ग्राफ है।
यह इस परिभाषा और बड़ी संख्या के कानून से चलता है कि, यदि विनिमेय यादृच्छिक ग्राफ मॉडल लगभग निश्चित रूप से सघन हैं।[1]
उदाहरण
ग्राफॉन का सबसे सरल उदाहरण है कुछ स्थिर के लिए . इस स्थितियों में संबंधित विनिमेय यादृच्छिक ग्राफ मॉडल एर्डोस-रेनी मॉडल है जिसमें संभाव्यता के साथ स्वतंत्र रूप से प्रत्येक किनारा सम्मलित है ।
यदि हम इसके अतिरिक्त एक ग्राफ़ॉन के साथ शुरू करते हैं जो टुकड़े वार स्थिर है:
- इकाई वर्ग को विभाजित करना ब्लॉक, और
- सेटिंग के बराबर है ब्लाक पर
परिणामी विनिमेय यादृच्छिक ग्राफ मॉडल