Sistema de "equações estocásticas"

11

Considere um gráfico com vértices e arestas. Os vértices são rotulados com variáveis ​​reais , onde é fixo. Cada aresta representa uma "medida": para a aresta , obtenho uma medida . Mais precisamente, é uma quantidade verdadeiramente aleatória em , distribuída uniformemente e independente de todas as outras medidas (arestas).m x i x 1 = 0 ( u , v ) z x u - x v z ( x u - x v ) ± 1nmxix1=0(u,v)zxuxvz(xuxv)±1

Recebo o gráfico e as medidas, com a promessa de distribuição acima. Eu quero "resolver" o sistema e obter o vetor dexi 's. Existe algum trabalho sobre problemas desse tipo?

Na verdade, eu quero resolver um problema ainda mais simples: pontos Alguém me para vértices e , e eu tenho que computação . Há muitas coisas a serem tentadas, como encontrar um caminho mais curto ou encontrar o maior número possível de caminhos separados e calculá-los como média (ponderada pelo inverso da raiz quadrada do comprimento). Existe uma resposta "ótima"?t x s - x tstxsxt

O problema de calcular não está completamente definido (por exemplo, devo assumir um prior nas variáveis?)xsxt

Mihai
fonte
Embora isso não seja uma resposta, usar um filtro Kalman ao longo de um caminho de s a t vem à mente como uma maneira de obter um controle decente do comprimento do caminho.
Suresh Venkat
Isso pode não ajudar, ou pode ser muito mais tecnologia do que o necessário, mas existe uma teoria em desenvolvimento da topologia algébrica estocástica para abordar questões em robótica e biologia molecular sobre complexos cujas bordas são medidas imprecisamente. Existem teoremas sobre assintóticos de ligações aleatórias (ligação = gráfico com pesos das arestas). Por exemplo, acho que os resultados deste documento permitiriam obter os números de Betti esperados em seu gráfico: arxiv.org/abs/0708.2997
Aaron Sterling
O fato de os erros serem distribuídos uniformemente em [-1,1] ao invés de alguma outra distribuição inerente ao seu problema ou a uma decisão de modelagem arbitrária? Neste último caso, você provavelmente pode tornar as coisas muito mais simples usando Gaussianos.
Warren Schudy
O modelo de erro é certamente inerente ao problema. ±1
Mihai

Respostas:

3

A área para a qual você deseja obter respostas é o aprendizado de máquina. Você descreveu um modelo gráfico. Penso que, neste caso, métodos tão fáceis quanto a Propagação de Crenças devem ser suficientes.

Rafael
fonte
A propagação de crenças não é exata nos gráficos gerais. O problema de Mihai parece ser solucionável com métodos mais baseados em princípios do que propagação de crenças.
111110 Warren Schudy
3

x

Warren Schudy
fonte
st
xxsxtxsxtxsxt=c
111110 Warren Schudy
É claro que calcular o volume do politopo específico em questão poderia ser muito mais fácil. Eu teria que pensar sobre isso.
Warren Schudy 11/11/2010
Suspeito que os gaussianos se comportem melhor, pois o MLE da distribuição conjunta também fornece o MLE de cada variável. Mas eu teria que pensar mais e / ou procurá-lo para ter certeza.
Warren Schudy 11/11/2010
Seu exemplo de série / paralelo sugere que minimizar a soma dos resíduos quadráticos pode ser uma heurística eficaz para alguns gráficos, mesmo quando seus erros não são gaussianos.
Warren Schudy