研究人员表征了稀疏随机块模型中的信息-计算差距，重点关注具有多个社区的社区恢复。他们发现，在Kesten-Stigum阈值（$d\[lambda\]^2=1$）下，minimax风险等于Bayes风险，并且对于五个或更多社区，在此阈值以下存在一个窗口，低度规则表现不佳，而指数时间规则则成功。该研究还分析了来自循环计数的Fisher信息，显示仅在阈值以下收敛，并检查了信念传播在其无信息固定点处的行为，确定了与个性化PageRank相关的信噪比计算条件。 AI
影响 为复杂网络分析中算法的局限性提供了理论见解，可能影响未来基于图的任务的AI模型开发。
排序理由 该集群包含一篇详细介绍理论研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Bayes risk weighted vector quantization with posterior estimation for image compression and classification
- belief propagation
- Chin et al.
- EM step
- Fisher information
- Information-Computation Gap
- Kesten-Stigum threshold
- PageRank
- Sparse Stochastic Block Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
