Dapatkah algoritme 'penyebaran kepercayaan' secara akurat mendeskripsikan sistem jaringan yang kompleks?
Machine

Dapatkah algoritme ‘penyebaran kepercayaan’ secara akurat mendeskripsikan sistem jaringan yang kompleks?


Prediksi teoretis dibandingkan dengan eksperimen – metode baru membuat prediksi teoretis yang akurat untuk jaringan yang realistis. Kredit: Kirkley dkk, Kemajuan Sains

Algoritme penyampaian pesan yang dikenal sebagai “penyebaran keyakinan” dapat digunakan untuk menganalisis sistem besar dengan memecahnya menjadi bagian-bagian yang lebih kecil dan memastikan semua solusi yang lebih kecil konsisten satu sama lain. Untuk memodelkan penyebaran penyakit ketika orang berada dalam kontak dekat, misalnya, peneliti cenderung mengeksplorasi jaringan kontak individu yang terinfeksi karena sistemnya besar.

Pada prinsipnya, menghitung bagaimana suatu penyakit akan menyebar di antara jaringan kontak yang besar merupakan tantangan yang sulit. Tetapi untuk memprediksi apa yang akan terjadi pada salah satu individu ini, kita hanya perlu tahu apa yang terjadi pada orang yang sebenarnya berhubungan dengan mereka — bukan semua orang dalam jaringan mereka.

Untuk menjelaskan apa yang terjadi pada kontak tersebut, kita hanya perlu melihat kontak mereka dan sebagainya. Ini adalah logika rekursif dari penyebaran keyakinan, dan memungkinkan penghitungan yang besar dan berat untuk direduksi menjadi rangkaian yang lebih sederhana. Meskipun ini terdengar bagus, dalam praktiknya semuanya bisa terurai.

Dalam makalah yang diterbitkan di Kemajuan Sains, Peneliti University of Michigan dan Santa Fe Institute (SFI) Alec Kirkley, George Cantwell, dan Mark Newman melaporkan algoritma propagasi kepercayaan baru untuk solusi model probabilistik pada jaringan yang berisi loop pendek.

“Misalkan Alice berhubungan dekat dengan Bob, yang berhubungan dengan Charlotte. Untuk mengetahui apa yang terjadi pada Alice, kita perlu tahu tentang Bob, dan kemudian Charlotte,” jelas Cantwell, fisikawan dan SFI Program Postdoctoral Fellow. “Tapi misalkan ternyata Charlotte sudah berhubungan dengan Alice, sekarang kita telah mundur ke dalam semacam kemunduran yang tak terbatas. Untuk memprediksi apa yang terjadi pada Alice, kita perlu memprediksi dulu apa yang terjadi pada Bob, lalu Charlotte, lalu Alice lagi.”

Hebatnya, algoritme penyebaran kepercayaan masih dapat dijalankan untuk pertanyaan yang tampaknya merujuk pada diri sendiri, dan tidak hanya untuk memprediksi penyebaran penyakit. Sayangnya, jawaban yang diberikannya tidak benar dan seringkali bisa salah dengan selisih yang besar — ​​terutama untuk struktur yang tampak realistis.

“Dalam pekerjaan kami, kami mengembangkan metode praktis untuk memperbaiki kekurangan ini,” kata Cantwell. “Misalnya, kami menunjukkan bagaimana metode dapat digunakan untuk memecahkan salah satu model kanonik dari literatur fisika, menunjukkan bahwa kami dapat menghitung secara akurat perilaku fisik sistem. Ke depannya, kami berharap gaya analisis ini terbukti berguna untuk segala macam model statistik yang dibangun di atas struktur kompleks seperti jaringan manusia. ”


Untuk menemukan model jaringan yang tepat, bandingkan semua kemungkinan riwayat


Informasi lebih lanjut:
Alec Kirkley dkk. Penyebaran kepercayaan untuk jaringan dengan loop, Kemajuan Sains (2021). DOI: 10.1126 / sciadv.abf1211

Disediakan oleh Santa Fe Institute

Kutipan: Dapatkah algoritme ‘penyebaran keyakinan’ secara akurat mendeskripsikan sistem jaringan yang kompleks? (2021, 28 April) diambil 28 April 2021 dari https://techxplore.com/news/2021-04-belief-propagation-algorithm-accurately-complex.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP