[論文レビュー] Dynamical Networks, Isospectral Graph Reductions, and Improved Estimates of Matrices' Spectra

Leonid Bunimovich, Benjamin Webb|arXiv (Cornell University)|Nov 12, 2009

Graph theory and applications参考文献 10被引用数 3

ひとこと要約

本稿では、重み付き隣接行列の固有値スペクトルを保存したまま、大規模で複雑な動的ネットワークを簡略化する手法として、等スペクトル的グラフ還元を導入する。等スペクトル的変換によって行列のサイズを縮小することで、Gershgorin型固有値推定値の精度が向上し、行列の縮小に伴い精度が向上する。複素数値行列に対しても、調整可能な精度でより優れたスペクトル近似が得られる。

ABSTRACT

Abstract. Dynamical networks are characterized by large complex graphs of interactions. We suggest a procedure of simplifying the structure of such graphs while preserving the spectrum of their weighted adjacency matrix. As the process of isospectral graph reductions maintains the spectrum of the ma-trix up to some known set it is possible to estimate the spectrum of the original matrix by considering Gershgorin-type estimates associated with the reduced matrix. The main result of this paper is that eigenvalue estimates improve for all known methods as the matrix size is reduced. Moreover, our procedure of isospectral graph reductions is very flexible and in particular can be used to obtain better eigenvalue estimates of a matrix with complex valued entries to whatever degree is desired. 1.

研究の動機と目的

• 重み付き隣接行列のスペクトルを変更せずに、大規模で複雑な動的ネットワークを簡略化する手法を開発すること。
• 行列のサイズを縮小することで、特に複素数値行列に対して固有値推定値を改善すること。
• 繰り返しの還元によって、より高精度な固有値推定値が得られる柔軟なフレームワークを提供すること。
• 行列のサイズや要素の種別にかかわらず、各還元ステップで固有値推定の精度が向上することを示すこと。

提案手法

• 重み付き隣接行列のスペクトルを保存したまま、大規模なグラフをより小さな同等の構造に変換する等スペクトル的グラフ還元を適用すること。
• 還元された行列に対するGershgorin型推定値を用いて、元の行列の固有値を近似すること。
• 各還元ステップで、既知の数学的条件を満たすことでスペクトルの保存を保証すること。
• グラフを段階的に簡略化し、固有値の境界を精緻化するために、還元を繰り返し適用すること。
• 還元の度合いを制御することで、固有値推定値に任意の精度を実現できること。
• 複素数値の要素を含む行列に対しても、等スペクトル的変換を用いてこの手法を拡張すること。

実験結果

リサーチクエスチョン

• RQ1 等スペクトル的グラフ還元を用いることで、重み付き隣接行列のスペクトルを保存したまま、大規模な動的ネットワークを簡略化できるか？
• RQ2 等スペクトル的還元によって行列サイズが縮小される際、固有値推定値の精度はどのように変化するか？
• RQ3 この手法は、複素数値行列の固有値推定値をどの程度改善できるか？
• RQ4 この手法による固有値推定の改善は、さまざまな行列タイプや還元レベルにおいて一貫しているか？

主な発見

• すべての既知の手法について、等スペクトル的グラフ還元による行列サイズの縮小に伴い、固有値推定値が向上する。
• 還元プロセス中、重み付き隣接行列のスペクトルが正確に保存され、元のシステムに対する忠実性が保証される。
• この手法は柔軟性に富み、複素数値の要素を含む行列に対しても、調整可能な精度で適用可能である。
• 還元された行列に対するGershgorin型推定値は、元の行列のスペクトルに対するより tightened な境界をもたらす。
• 還元の度合いを制御することで、段階的に高精度な固有値近似が可能になる。