physical fluctuomatics...
TRANSCRIPT
![Page 1: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/1.jpg)
物理フラクチュオマティクス論(東北大) 1
物理フラクチュオマティクス論Physical Fluctuomatics
応用確率過程論Applied Stochastic Process第13回 複雑ネットワーク
13th Complex networks and physical fluctuations
東北大学 大学院情報科学研究科 応用情報科学専攻田中 和之(Kazuyuki Tanaka)[email protected]
http://www.smapip.is.tohoku.ac.jp/~kazu/
*本スライドの図面の一部は大久保潤氏(京都大学)によりご提供いただき本人の許可を得て掲載しております.
![Page 2: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/2.jpg)
物理フラクチュオマティクス論(東北大) 2
今回の講義の参考文献
大久保潤, 田中和之: 統計力学の基礎 ---複雑ネットワークとの関連にもとづいて---, 特集/ネットワーク科学の数理, 数理科学, Vol.44, No.8 (通巻 518 号), pp.24-29, August 2006.Jun Ohkubo, Muneki Yasuda and Kazuyuki Tanaka: Preferential Urn Model and Nongrowing Complex Networks, Physical Review E, Vol.72, No.6, Article No.065104(R), December 2005.増田直紀, 今野紀雄: 複雑ネットワークの科学,産業図書, 2005.
![Page 3: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/3.jpg)
物理フラクチュオマティクス論(東北大) 3
今回の話題
複雑ネットワークの科学マルコフ過程とネットワーク生成モデルスケールフリーネットワーク
![Page 4: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/4.jpg)
物理フラクチュオマティクス論(東北大) 4
確率的情報処理 (Probabilistic Information Processing) の中での複雑ネットワーク科学
通信理論・像情報処理・確率推論
ICT 技術の要請に耐えうる統計科学
コトの物理学としての定着
ポイントはやはり「たくさんが関連」
確率的情報処理のこれからの数理的基盤
統計科学
統計的学習理論
情報統計力学
データマイニング
複雑ネットワーク科学
今回のテーマ
![Page 5: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/5.jpg)
物理フラクチュオマティクス論(東北大) 5
ネットワークと情報処理
たくさんが関連して構成されるシステム
基本構成要素ノード (Node)
基本構成要素間の関連リンク(Link)
ネットワーク (Network)すぐ思いつく現実的なネットワークの例
インターネットWorld Wide Web都市間の交通網(高速道路,航空路線)
ネットワークの構造に共通する性質
1. すべてのノード間がつながれている訳ではない(非完全グラフ).2. ノード間のリンクの存在にはランダム性がある(ランダム性).
3. 少数ではあるがたくさんのノードとリンクでつながれているノードが存在する(ハブノードの存在).
![Page 6: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/6.jpg)
物理フラクチュオマティクス論(東北大) 6
ネットワーク生成メカニズムと情報処理
1. すべてのノード間がつながれている訳ではない(非完全グラフ).2. ノード間のリンクの存在にはランダム性がある(ランダム性).
3. 少数ではあるがたくさんのノードとリンクでつながれているノードが存在する(ハブノードの存在).
世の中で自然発生的に構成されたネットワーク上のシステムは何故,うまく機能するのか?
どのような数理モデルに基づいてネットワークが生成されていると解釈することが妥当なのか?生成したネットワーク上で与えられた計算モデルにおいてどのような計算ルール(アルゴリズム)が効率的に機能するのか?
解明のための戦略
![Page 7: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/7.jpg)
物理フラクチュオマティクス論(東北大) 7
ネットワークにおけるハブの役割
例:仙台からベネチアまで飛行機で移動したいとしたら
仙台 東京成田 ミラノ ベネチア
札幌
新潟 ジェノバ
フィレンツェ
もしすぐ近くの空港としか航空便がなければ何回乗り継ぎをしなければならなくなるだろう.
もしすべての空港間で航空便が運行していたら何台飛行機が必要だろう.
ハブの役割を果たす空港は多い必要はないが,ある程度の数は必要.
ハブの役割にも種類がある(日本のハブ空港,アジアのハブ空港,世界のハブ空港).
空港のネットワークに階層構造が生まれる.
さまざまのネットワークにおける共通の数理の存在
ハブ空港のおかげで世界的距離が短くなる(スモールワールド).
空港間・航空会社間の競争の原理から生み出され,最適化されている.
![Page 8: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/8.jpg)
物理フラクチュオマティクス論(東北大) 8
複雑ネットワーク生成におけるランダムネス
たくさんが関連して構成されるシステム
全体の構造はとても複雑だが個別のノード間のリンクはある一定の単純な規則に従って構成される.
必ず規則に従うのか?すべてのノードのリンクが規則に従って張られているならネットワークには規則性があるはず.
実際のネットワークは完全に規則性をもって構成されているとは言い難い.むしろランダムネスを伴うと考える方が自然.
複雑ネットワークはその生成過程でどのような規則性とどのようなランダムネスを伴うとき現実の効率的ネットワークと同様の統計的性質をもつのか?
複雑ネットワーク (ランダムネットワーク,スモールワールドネットワーク等)
![Page 9: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/9.jpg)
物理フラクチュオマティクス論(東北大) 9
複雑ネットワークにおける統計的性質
スモールワールド性
平均最短経路長 l: ノード間を結ぶ最短経路の長さ(最短経路長)のすべてのノード対についての平均
平均次数
( ) ∑=
=N
ikkiN
kP1
,1 δ
次数 ki:ノード i につながっているリンクの本数
N:ノードの総数
( )∑−
=
≡1
0
N
kkkPk
k
l
スケールフリー性
( )kln
( )( )kPln
スモールワールド性はもつがスケールフリー性をもたない複雑ネットワーク
スモールワールド性とスケールフリー性を併せ持つ複雑ネットワーク
平均次数とともに平均最短経路長が急速に減少する. 両対数プロットで直線にのる.
共通の数理関数系は生成モデルによる
ハブのあるなしの違い
![Page 10: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/10.jpg)
物理フラクチュオマティクス論(東北大) 10
複雑ネットワークと確率モデル
スモールワールド性はもつがスケールフリー性をもたない複雑ネットワーク
スモールワールド性とスケールフリー性を併せ持つ複雑ネットワーク
ハブのあるなしの違い
スモールワールド性とスケールフリー性はどのようなネットワーク生成モデルで出現するか?
確率モデルからの複雑ネットワークの理論的解明
ハブの生まれる原因は何か?
どのような競争の原理がポイントか?
数値実験ではだめ!!解析計算がはずせない!!
![Page 11: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/11.jpg)
物理フラクチュオマティクス論(東北大) 11
スモールワールドネットワークの生成の簡単な例
最短で9本のリンクを通って到達
最短で4本のリンクを通って到達
ランダムにリンクを選んで一端を別のノードにつなぎ変える操作を繰り返す.
初期状態
すべてのノードの次数は4
ノードにつながっているリンクの本数をそのノードの次数という.
![Page 12: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/12.jpg)
物理フラクチュオマティクス論(東北大) 12
スモールワールドネットワークの生成と次数分布
k 本のリンクを持つノードの個数についてのヒストグラム
k4 k4 k4 k4
ランダムにリンクを選んで一端を別のノードにつなぎ変える操作を繰り返す.
この操作を繰り返すと k はどのような分布に従うのだろうか?
すべてのノードが次数4
次数が3と5のノードが1個ずつ出現
次数が3と5のノードが2個ずつとなる.
次数が6のノードが出現.
初期状態
ノード毎につながっているリンクの本数をそのノードの次数という.
![Page 13: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/13.jpg)
物理フラクチュオマティクス論(東北大) 13
10-4 10-3 10-2 10-1 1
l(p)/l(0)平均最短経路長
p
1
0
0.2
0.4
0.6
0.8 C(p)/C(0)
スモールワールドネットワークの生成
k 本のリンクを持つノードの個数についてのヒストグラム
ランダムにリンクを選んで一端を別のノードにつなぎ変える操作を繰り返す.
つなぎ変えられたリンクの割合
1
k0 5 10 15 20
0
1p=0.8
P(k)
0 5 10 15 200
p=0
P(k)
p=0.8
p=0
Poisson分布へ近づく
1
初期状態
80%のリンク
がつなぎ変えられた時
![Page 14: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/14.jpg)
物理フラクチュオマティクス論(東北大) 14
ランダムネットワークの生成
1. N 個のノードを用意する.2. 2 個のノードを確率 p でランダムに選択し,リンクで結ぶ.
( ) 4
1
200
1
0=≡
−=
=
∑−
=
N
kkkPk
Nk
p
N
N=6
0 5 10 15 200
0.5
P(k) Poisson分布へ近づく
k
![Page 15: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/15.jpg)
物理フラクチュオマティクス論(東北大) 15
ランダムネットワークの次数分布の解析
( )∑−
=
≡
−=
1
0
1N
kkkPk
Nk
p
( ) ( )1
1
11
11
11 −−
−−
−
−
−
−=−
−=
kNkkNk
Nk
Nk
kN
ppk
NkP
( ) ( )
( )1
1
0
1
1
0
11
1
11
11
−
−
=
−−
−
=
−−
+=
−
−
−
−=
=
∑
∑
N
N
k
kkNk
N
k
k
xN
k
xN
kN
kk
N
xkPxG ( ) ( )( )
∑∞+
=
−
+∞→
=
−=
0 !
1explim
k
kk
k
N
xkk
e
xkxG
( ) ( ) kk
Nk ekk
xGx
kP −
+∞→=
∂∂
=!
lim
4200=
=
kN
0 5 10 15 200
0.5P(k) Poisson
分布へ近づく
k
2項分布
母関数
1. N 個のノードを用意する.2. 2 個のノードを確率 p でランダムに選択し,リンクで結ぶ.
![Page 16: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/16.jpg)
物理フラクチュオマティクス論(東北大) 16
ランダムネットワークの平均経路長の解析
1. N 個のノードを用意する.2. 2 個のノードを確率 p でランダムに選択し,リンクで結ぶ.
( ) fixed:
11
0∑−
=
≡
−=
N
kkkPk
Nk
p ( ) ( )( )( ) ( )L
L
L
kkk
k
kkkkkn
1~1111
1
111 1
−−−−−
+=
−++−++= −
( )
+∞→
− fixed
:1lnln~
kN
kNl
あるノードからみて距離 L にある頂点の総数 n ~ N
平均最短経路長 l ~ L
( )+∞→N
( )fixed :/,, NLLN +∞→+∞→
k
( )1ln1−k
1
l
![Page 17: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/17.jpg)
物理フラクチュオマティクス論(東北大) 17
成長と優先的選択を伴うネットワーク生成モデル(Barabasi and Albert Model)
21
21
1)2(1 =X 1)2(1 =X
2)3(1 =X 1)3(2 =X
1)3(3 =X41
41
42
3)4(1 =X 1)4(2 =X
1)4(3 =X61
61
63
1)4(4 =X
61
1)4(3 =X61
62
62
612)4(1 =X
2)4(2 =X
1)4(4 =X
初期状態はノード2個,リンク1本から出発
ノード1個,リンク1本を時刻 n のネットワークのノードを1つランダムに選んで追加.
( )( ) ( ) ( )nXnXnX
nXn
i
++ 21
時刻 n のネットワークの i 番目の
ノードに追加する確率
![Page 18: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/18.jpg)
物理フラクチュオマティクス論(東北大) 18
成長と優先的選択を伴うネットワーク生成モデル(Barabasi and Albert Model)
2)3(1 =X 1)3(2 =X
1)3(3 =X41
41
42
3)4(1 =X 1)4(2 =X
1)4(3 =X61
61
63
1)4(4 =X
61
1)4(3 =X61
62
62
612)4(1 =X
2)4(2 =X
1)4(4 =X
2=n
21
21
1)2(1 =X 1)2(1 =X
3=n 4=n
5=n
200=n
![Page 19: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/19.jpg)
物理フラクチュオマティクス論(東北大) 19
成長と優先的選択を伴うネットワーク生成モデル(Barabasi and Albert Model)
200=n
( ) γ−= akkP( ) akkP logloglog +−= γ
k 本のリンクにつな
がっているノードの個数に対するヒストグラム
スケールフリーネットワーク
( )( ) ( ) ( )nXnXnX
nXn
i
++ 21
時刻 n のネットワークの i 番目のノードに追加する確率
![Page 20: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/20.jpg)
物理フラクチュオマティクス論(東北大) 20
成長するが優先的選択を伴わないネットワーク生成モデル
200=n
( ) ではない γ−= akkP
( ) ckaekP −=
k 本のリンクにつな
がっているノードの個数に対するヒストグラム
スケールフリーネットワークではない
時刻 n のネットワークの i 番目のノードに追加する確率 1/n 対数プロット
しても直線にのらない
![Page 21: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/21.jpg)
物理フラクチュオマティクス論(東北大) 21
確率過程(離散時間)
確率変数の集合 n は時間{ },2,1,0=nX n
離散的な場合に限定
(離散)マルコフ過程 { },2,1,0=nX n
{ } { }nnnn XXXXXX 1101 Pr,,,Pr ++ =
{ } { } { }
{ } { }
{ } { }01
1
01
10
11011010
PrPr
Pr,,Pr
,,,Pr,,,Pr,,,Pr
XXX
XXXX
XXXXXXXXXX
n
mmm
n
mmm
nnnn
=
=
=
∏
∏
=−
=−
−−
![Page 22: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/22.jpg)
物理フラクチュオマティクス論(東北大) 22
マルコフ過程
{ },2,1,0=nX n
{ } { } { }01
110 PrPr,,,Pr XXXXXXn
mmmn
= ∏
=−
{ }nn NX ,,2,1 ∈
{ } { }
{ } { }
{ } { } { }
{ } { }∑
∑ ∑ ∑ ∑ ∏
∑ ∑ ∑ ∏
∑ ∑ ∑
−
−
−
−
−
−
−
−
−
−
=−−
= = = =
−
=−−
= = = =−
= = =
=
=
=
=
1
1
1
1
0
0
1
1
2
2
0
0
1
1
1
1
0
0
1
1
1
1
111
1 1 1 10
1
111
1 1 10
11
1 1 110
PrPr
PrPrPr
PrPr
,,,PrPr
n
n
n
n
n
n
n
n
n
n
N
Xnnn
N
X
N
X
N
X
N
X
n
mmmnn
N
X
N
X
N
X
n
mmm
N
X
N
X
N
Xnn
XXX
XXXXX
XXX
XXXX
![Page 23: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/23.jpg)
物理フラクチュオマティクス論(東北大) 23
マルコフ過程の推移確率
マルコフ過程 { },2,1,0=nX n { }nn NX ,,2,1 ∈
{ } { } { }∑−
− =−−=
1
1 111 PrPrPr
n
n
N
Xnnnn XXXX
{ }{ }
{ }
{ } { } { }{ } { } { }
{ } { } { }
{ }{ }
{ }
=
==
======
============
=
=
==
−−
−
−
−−−−
−−−−
−−−−
11
1
1
1111
1111
1111
Pr
2Pr1Pr
Pr2Pr1Pr
2Pr22Pr12Pr1Pr21Pr11Pr
Pr
2Pr1Pr
nn
n
n
nnnnnnnnnn
nnnnnnn
nnnnnnn
nn
n
n
NX
XX
NXNXXNXXNX
NXXXXXXNXXXXXX
NX
XX
推移確率
推移確率行列
( )( )
( )
{ }{ }
{ }
=
==
=
+∞→
NX
XX
NP
PP
t
t
t
t
Pr
2Pr1Pr
lim21
定常分布
![Page 24: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/24.jpg)
物理フラクチュオマティクス論(東北大) 24
成長と優先的選択を伴うネットワーク生成モデル(Barabasi and Albert Model)
21
21
1)2(1 =X 1)2(1 =X
2)3(1 =X 1)3(2 =X
1)3(3 =X41
41
42
3)4(1 =X 1)4(2 =X
1)4(3 =X61
61
63
1)4(4 =X
61
1)4(3 =X61
62
62
612)4(1 =X
2)4(2 =X
1)4(4 =X
初期状態はノード2個,リンク1本から出発
ノード1個,リンク1本を時刻 n のネットワークのノードを1つランダムに選んで追加.
( )( ) ( ) ( )nXnXnX
nXn
i
++ 21
時刻 n のネットワークの i 番目の
ノードに追加する確率
![Page 25: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/25.jpg)
物理フラクチュオマティクス論(東北大) 25
マルコフ過程によるBarabasi and Albert Model の解析
2=n3=n
等価
Barabasi and Albert Model
Yule Process
![Page 26: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/26.jpg)
物理フラクチュオマティクス論(東北大) 26
マルコフ過程によるBarabasi and Albert Model の解析
( ) ( ) ( ) ( ) ( ){ }
( ) ( )
−−
−−
+=
===+=+=+
∑∑∑===
+
1112
,,11,1,,1Pr
111
11111
n
ii
n
ii
n
iii
i
nnnnn
klklnk
knXknXnXlnXlnX
δδ
( ) ( ){ } 112,12Pr 21 === XX
初期状態
1 2
( ) ( ){ }
( ) ( ) ( ) ( ) ( ){ }
( ) ( ) ( ){ }1,,,Pr
1,,,1,,1Pr
1,,1Pr
1111
1
1
1
1
2
1
2
1111111
11
1 2 3 1
===×
===++=
++
−−
−
=
−
=
−
= =−−+
+
∑∑∑ ∑−
nXknXknX
nXknXknXnXnX
nXnX
nnn
n
k
n
k
n
k knnnn
n
n
![Page 27: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/27.jpg)
物理フラクチュオマティクス論(東北大) 27
マルコフ過程によるBarabasi and Albert Model の解析
( ) ( ) ( ){ }( ) ( ) ( ) ( ) ( ){ } ( ) ( ){ }12,12Pr12,123,3,3Pr
3,3,3Pr
2121321
321
===== XXXXXXXXXX
( ) ( ){ } 112,12Pr 21 === XX
初期状態
( ) ( ) ( ){ }2113,23,13Pr 321 ==== XXX
( ) ( ) ( ){ }2113,13,23Pr 321 ==== XXX
1 2
![Page 28: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/28.jpg)
物理フラクチュオマティクス論(東北大) 28
マルコフ過程によるBarabasi and Albert Model の解析
( ) ( ) ( ){ }2113,23,13Pr 321 ==== XXX( ) ( ) ( ){ }
2113,13,23Pr 321 ==== XXX
( ) ( ) ( ) ( ){ }
( ) ( ) ( ) ( ) ( ) ( ) ( ){ } ( ) ( ) ( ){ }13,3,3Pr13,3,34,4,4,4Pr
4,4,4,4Pr
32211
2
1
2
1322114321
4321
1 2
======= ∑∑= =
XkXkXXkXkXXXXX
XXXX
k k
( ) ( ) ( ) ( ) ( ) ( ) ( ){ }1
13,3,314,14,4,14Pr21
132211432211 ++
=======+=kkkXkXkXXXkXkX
( ) ( ) ( ) ( ) ( ) ( ) ( ){ }1
13,3,314,14,14,4Pr21
232211432211 ++
======+==kkkXkXkXXXkXkX
( ) ( ) ( ) ( ) ( ) ( ) ( ){ }1
113,3,314,24,4,4Pr21
32211432211 ++========
kkXkXkXXXkXkX
( )( )( ) 13
2313
3
22
11
=====
XkXkX( )
( )( ) 13
1323
3
22
11
=====
XkXkX
![Page 29: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/29.jpg)
物理フラクチュオマティクス論(東北大) 29
マルコフ過程によるBarabasi and Albert Model の解析
初期状態
( ) ( ) ( ) ( ){ }
41
21
42
13,13,13,33Pr 3321
=×=
==== XXXX
( ) ( ) ( ) ( ){ }
41
21
412
14,14,24,24Pr 4321
=××=
==== XXXX
( ) ( ) ( ) ( ){ }
81
21
41
14,24,24,14Pr 4321
=×=
==== XXXX
( ) ( ) ( ) ( ){ }
81
21
41
14,24,14,24Pr 4321
=×=
==== XXXX
( ) ( ) ( ) ( ){ }
41
21
42
14,14,34,14Pr 4321
=×=
==== XXXX
1 2
![Page 30: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/30.jpg)
物理フラクチュオマティクス論(東北大) 30
マルコフ過程によるBarabasi and Albert Model の解析
( ) ( ) ( ){ }
( ) ( ) ( ) ( ) ( ) ( ){ }
( ) ( ) ( ){ }1,,,Pr
1,,,1,1,,1Pr
1,1,,1Pr
1111
1
1
1
1
2
1
2
1111111
11
1 2 3 1
===×
===+++=
+++
−−
−
=
−
=
−
= =−−+
+
∑∑∑ ∑−
nXknXknX
nXknXknXnXnXnX
nXnXnX
nnn
n
k
n
k
n
k knnnnn
nn
n
( ){ }
( ) ( ) ( ) ( ) ( ){ }1,,,,,Pr
Pr
11322211
1
1
1
1
2
1
2
1,
1 2 3 1
=====×
≡=
−−
−
=
−
=
−
= =∑∑∑ ∑
−
nXknXknXknXknX
knX
nnn
n
k
n
k
n
k kkki
n
i
δ
( ){ } ( ){ } ( ){ }
( ) ( ){ } ( ) ( ){ }
( )2,1
Pr12
11Pr12
1
Pr11Pr11Pr11
>≤≤
=
+
−+−=+−
=
=
−+−=
−==+
∑∑ ==
kni
knXnkknX
nk
knXk
kknXk
kknX
ii
in
i iin
i ii
![Page 31: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/31.jpg)
物理フラクチュオマティクス論(東北大) 31
マルコフ過程によるBarabasi and Albert Model の解析
( ){ } ( ) ( ){ } ( ) ( ){ }∑∑=
+
=
=
+
−+−=+−
==+n
iii
n
ii knX
nkknX
nkknX
1
1
1Pr
1211Pr
1211Pr
( ) ( ) ( ) ( ) ( )2,12
,112
11,1 ≥
+−+−
+−
=++ knkPn
nknnkPn
nknkPn
( ) ( )( )( )( ) ( )
( )( ) ( ) ( )が十分大きい時 nknPkkk
nPkkkknkP
3~,112
!3
,1412121,
−
++=
++−−
=
k についてのべき分布
定性的に再現
スケールフリーネットワーク
![Page 32: Physical Fluctuomatics 応用確率過程論kazu/PhysicalFluctuomatics/2011/main2011-13.pdf確率的情報処理のこれからの数理的基盤 統計科学 統計的学習理論](https://reader033.vdocuments.pub/reader033/viewer/2022050111/5f48cf27f8a93f29d048f16e/html5/thumbnails/32.jpg)
物理フラクチュオマティクス論(東北大) 32
まとめ
複雑ネットワークの生成におけるメカニズム
ランダム性優先的選択性
が重要
Barabasi and Albert Model はネットワークの成長を伴うがスケールフリー性にネットワークの成長は必要か?
成長を伴わないネットワークでもスケールフリー性は出現する:J. Ohkubo, M. Yasuda and K. Tanaka: Preferential Urn Model
and Nongrowing Complex Networks, Phys. Rev. E, Vol.72, No.6, Article No.065104(R), December 2005.