本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2026-03-12
摘要
配置模型是統一產生具有指定度數序列的隨機圖的標準工具，並且通常用作空模型來評估觀察到的網路結構有多少可以單獨透過其度數結構來解釋。基於保度雙邊交換的馬可夫鏈蒙特卡羅 (MCMC) 演算法提供了從組態模型中取樣的漸近解。然而，準確有效地檢測該馬可夫鏈何時足夠接近其平穩分佈仍然是一個未解決的問題。在這裡，我們提供了一種使用標準 MCMC 演算法從組態模型中進行取樣的解決方案。我們開發了一種基於採樣圖的相配性的演算法，用於估計有效獨立的 MCMC 狀態之間的差距，以及透過分析 509 個經驗網絡的語料庫得出的計算高效的差距估計啟發式演算法。我們提供了一種基於迪基-富勒廣義最小二乘測試的收斂檢測方法，我們證明該方法比三種替代馬可夫鏈收斂測試更準確、更有效率。可以在此處找到所提議方法的補充資料。