[論文レビュー] Concentration of the spectral norm of Erdo\H{o}s-R\'enyi random graphs

Gábor Lugosi, Shahar Mendelson+1 more|arXiv (Cornell University)|Jan 7, 2018

Random Matrices and Applications参考文献 15被引用数 3

ひとこと要約

本稿は、エドバルド＝レニのランダムグラフ $G(n,p)$ の隣接行列のスペクトルノルムについて、$p \in [c\log^3n/n, 1]$ の広い範囲の辺確率において、鋭いサブガウス型モーメント不等式を確立する。Alon, Krivelevich, and Vu らの先行研究の境界を改善し、特に $p$ が小さい場合に顕著な向上を示す。また、ランダムグラフ過程全体にわたり、スペクトルノルムの一様濃縮性を証明する。

ABSTRACT

We present results on the concentration properties of the spectral norm $\|A_p\|$ of the adjacency matrix $A_p$ of an Erd\H{o}s-R\'enyi random graph $G(n,p)$. We prove sharp sub-Gaussian moment inequalities for $\|A_p\|$ for all $p\in [c\log^3n/n,1]$ that improve the general bounds of Alon, Krivelevich, and Vu (2001) for small values of $p$. We also consider the Erd\H{o}s-R\'enyi random graph process and prove that $\|A_p\|$ is uniformly concentrated.

研究の動機と目的

• 隣接行列 $G(n,p)$ のスペクトルノルム $\|A_p\|$ のよりタイトな濃縮境界を導出すること、特に辺確率 $p$ が小さい場合に焦点を当てる。
• スパース領域におけるアルン、クリヴェレヴィッチ、ヴゥ（2001年）が以前に確立した一般的モーメント境界を改善すること。
• エドバルド＝レニのランダムグラフ過程全体にわたり、$\|A_p\|$ の濃縮行動を分析すること。
• 範囲 $[c\log^3n/n, 1]$ 内のすべての $p$ に対して、スペクトルノルムの均一濃縮性を確立すること。

提案手法

• ランダム行列理論に特化した高度な濃縮不等式を用いて、$\|A_p\|$ の鋭いサブガウス型モーメント不等式を導出する。
• スパース領域におけるスペクトルノルムの尾部挙動を制御するためのモーメントベースの技術を適用する。
• 隣接行列の要素に内在する依存構造を扱うために、チェイングおよびエントロピー法を用いる。
• パラメータ $p$ をインデックスとする確率過程とみなして $\|A_p\|$ を扱い、区間 $[c\log^3n/n, 1]$ 全体にわたり一様濃縮性を証明する。
• $G(n,p)$ の構造を活用し、シンメトライゼーションおよび比較技術を用いて作用素ノルムをバウンドする。

実験結果

リサーチクエスチョン

• RQ1 スパース領域における $G(n,p)$ の小さな辺確率 $p$ に対して、スペクトルノルム $\|A_p\|$ のモーメントはどのように振る舞うか？
• RQ2 $p$ が接続性の閾値付近にある場合に、Alon, Krivelevich, and Vu よりもタイトなサブガウス型濃縮境界を $\|A_p\|$ に対して確立できるか？
• RQ3 ランダムグラフ過程の間、スペクトルノルム $\|A_p\|$ は $p \in [c\log^3n/n, 1]$ 全体で一様に濃縮しているか？
• RQ4 スパース領域において、濃縮境界の $n$ および $p$ への最適な依存関係は何か？

主な発見

• 本稿は、$p$ が小さい場合にアルン、クリヴェレヴィッチ、ヴゥの一般的境界よりもタイトな $\|A_p\|$ の鋭いサブガウス型モーメント不等式を確立する。
• 濃縮境界は、すべての $p \in [c\log^3n/n, 1]$ に対して有効であり、スパースおよび中程度に密集した領域をカバーする。
• $p$ が $[c\log^3n/n, 1]$ の範囲にある場合、スペクトルノルム $\|A_p\|$ はサブガウス型の尾部減衰を示し、その平均値の周囲に強く濃縮していることを示す。
• スペクトルノルムは、ランダムグラフ過程全体にわたり一様に濃縮しており、区間内のすべての $p$ に対して $\|A_p\|$ がきわめてタイトに濃縮していることを意味する。