[论文解读] Intrinsic scales for high-dimensional LEVY-driven models with non-Markovian synchronizing updates

Anatoly Manita|arXiv (Cornell University)|Sep 9, 2014

Network Time Synchronization Technologies参考文献 57被引用 3

一句话总结

本文提出了一类由 Lévy 过程驱动的高维非马尔可夫随机同步模型，其特征为具有同步跳跃的结构。研究证明对称系统在分布上实现渐近同步；当 Lévy 过程处于稳定分布的吸引域中时，会涌现出内在空间尺度——具体而言，当按 $ b_N = (N-1)^{1/\alpha} $ 缩放后，各分量间的差异收敛至极限，其极限分布包括 Linnik 分布。

ABSTRACT

We propose stochastic $N$-component synchronization models $(x_{1}(t),...,x_{N}(t))$, $x_{j}\in\mathbb{R}^{d}$, $t\in\mathbb{R}_{+}$, whose dynamics is described by Levy processes and synchronizing jumps. We prove that symmetric models reach synchronization in a stochastic sense: differences between components $d_{kj}^{(N)}(t)=x_{k}(t)-x_{j}(t)$ have limits in distribution as $t ightarrow\infty$. We give conditions of existence of natural (intrinsic) space scales for large synchronized systems, i.e., we are looking for such sequences $\{b_{N}\}$ that distribution of $d_{kj}^{(N)}(\infty)/b_{N}$ converges to some limit as $N ightarrow\infty$. It appears that such sequence exists if the Levy process enters a domain of attraction of some stable law. For Markovian synchronization models based on $α$-stable Levy processes this results holds for any finite $N$ in the precise form with $b_{N}=(N-1)^{1/α}$. For non-Markovian models similar results hold only in the asymptotic sense. The class of limiting laws includes the Linnik distributions. We also discuss generalizations of these theorems to the case of non-uniform matrix-based intrinsic scales. The central point of our proofs is a representation of characteristic functions of $d_{kj}^{(N)}(t)$ via probability distribution of a superposition of $N$ independent renewal processes.

研究动机与目标

• 开发一个适用于非马尔可夫、高维随机同步系统的通用框架，其动态由 Lévy 过程驱动。
• 建立此类系统在长时间下实现分布同步的条件。
• 识别内在空间尺度 $ b_N $，使得当 $ N \to \infty $ 时，分量间差值的重标度形式收敛。
• 通过更新过程叠加与特征函数分析，将马尔可夫 $ \alpha $-稳定模型的结果推广至非马尔可夫设定。
• 探讨算子稳定分布与基于矩阵的内在尺度在同步系统渐近行为中的作用。

提出的方法

• 将各分量的动力学建模为在非 i.i.d. 时刻被随机同步跳跃打断的独立 Lévy 过程。
• 通过 $ N $ 个独立更新过程的叠加表示分量差值的特征函数。
• 应用拉普拉斯变换与生成函数分析特征函数的渐近行为。
• 利用关键更新定理的近似与特征函数差值的界，推导收敛结果。
• 通过 Jurek 坐标引入基于矩阵的内在尺度，以在非对称设定下推广标量缩放。
• 在稳定分布吸引域条件下，建立收敛至 Linnik 分布的结果。

实验结果

研究问题

• RQ1 在何种条件下，非马尔可夫、Lévy 驱动的同步模型能在分布上实现渐近同步？
• RQ2 存在哪些内在空间尺度 $ b_N $，使得当 $ N \to \infty $ 时，重标度差值 $ d_{kj}^{(N)}(\infty)/b_N $ 收敛？
• RQ3 分量差值的极限分布如何依赖于 Lévy 过程的特性，特别是在其处于稳定分布吸引域时？
• RQ4 马尔可夫 $ \alpha $-稳定模型的结果能否推广至具有广义事件间隔分布的非马尔可夫模型？
• RQ5 基于矩阵的缩放与 Jurek 坐标在将内在尺度推广至标量形式之外的作用是什么？

主要发现

• 由 Lévy 过程驱动的对称 $ N $-分量系统实现分布同步：当 $ t \to \infty $ 时，$ d_{kj}^{(N)}(t) $ 在分布上具有极限。
• 对于 $ \alpha $-稳定 Lévy 过程，存在内在尺度 $ b_N = (N-1)^{1/\alpha} $，使得当 $ N \to \infty $ 时，其收敛至非退化极限。
• 在非马尔可夫模型中，内在缩放以渐近方式成立，且 $ \chi_N(\infty; \lambda) $ 收敛至形如 $ \frac{1}{1 + \theta_{1,N} \boldsymbol{\eta}(\lambda)} $ 的特征函数，其中 $ \theta_{1,N} \sim mN/\varkappa $。
• 当 Lévy 过程处于稳定分布吸引域时，极限分布包括 Linnik 分布。
• 通过 Jurek 坐标实现的基于矩阵的内在尺度推广了标量缩放，使得高维系统中可实现非均匀缩放。
• 对极限特征函数近似误差的界为 $ \mathcal{O}(N l_N) $，当 $ N \to \infty $ 时趋于零，从而保证收敛。