Probabilistic metric space

New method learns Random Geometric Graphs in probabilistic metric spaces

研究人员开发了一种在概率度量空间中学习随机几何图（RGGs）的新颖方法。该技术适用于各种数据集，无论其可观测类型、分布或大小如何。该方法基于表示顶点连通性与相关性之间差异的变量的概率分布来定义距离函数，从而能够创建具有特定概率存在边的软RGGs。提出了一种用于学习边概率的拒绝采样技术，并确定期望度分布是局部的，并且依赖于可从数据中学习的互可观测相关矩阵。