# Canal-U

Mon compte

## A notion of entropy for limits of sparse marked graphs (workshop ERC Nemo Processus ponctuels et graphes aléatoires unimodulaires)

Copier le code pour partager la vidéo :
<div style="position:relative;padding-bottom:56.25%;padding-top:10px;height:0;overflow:hidden;"><iframe src="https://www.canal-u.tv/video/inria/embed.1/a_notion_of_entropy_for_limits_of_sparse_marked_graphs_workshop_erc_nemo_processus_ponctuels_et_graphes_aleatoires_unimodulaires.50433?width=100%&amp;height=100%" style="position:absolute;top:0;left:0;width:100%;height: 100%;" width="550" height="306" frameborder="0" allowfullscreen scrolling="no"></iframe></div> Si vous souhaitez partager une séquence, indiquez le début de celle-ci , et copiez le code : h m s
Auteur(s) :
Anantharam Venkat

Producteur Canal-U :
Inria
Contacter la chaine
J’aime
Imprimer
partager

### A notion of entropy for limits of sparse marked graphs (workshop ERC Nemo Processus ponctuels et graphes aléatoires unimodulaires)

Bordenave and Caputo (2014) defined a notion of entropy for probability distributions on rooted graphs with finite expected degree at the root. When such a probability distribution \rho has finite BC entropy \Sigma(\rho), the growth in the number of vertices n of the number of graphs on n vertices whose associated rooted graph distribution is close to \rho is as d/2 n \log n + \Sigma(\rho) n + o(n), where d is expected degree of the root under \rho. We develop the parallel result for probability distributions on marked rooted graphs. Our graphs have vertex marks drawn from a finite set and directed edge marks, one towards each vertex, drawn from a finite set. The talk will focus on presenting an overview of the technical details of this extension We are motivated by the interpretation of a discrete time stochastic process taking values in a finite set \Theta as the local weak limit of long strings of symbols from \Theta. We argue that probability distributions on marked rooted graphs are the natural analogs of stochastic process models for *graphical data*, by which we mean data indexed by the vertices and edges of a sparse graph rather than by linearly ordered time. Our extension of the BC entropy can then be argued to be the natural extension, in the world of graphical data, of the Shannon entropy rate in the world of time series. We illustrate this viewpoint by proving a lossless data compression theorem analogous to the basic lossless data compression theorem for time series. Joint work with Payam Delgosha.

•
•
Date de réalisation : 20 Mars 2019
Lieu de réalisation : Paris
Durée du programme : 56 min
Classification Dewey : Probabilités, Statistiques mathématiques, Mathématiques appliquées
•
Catégorie : Conférences
Niveau : niveau Doctorat (LMD), Recherche
Disciplines : Mathématiques et informatique, Probabilités
Collections : ERC Nemo, Workshop Processus ponctuels et graphes aléatoires unimodulaires (20-22 mars 2019)
ficheLom : Voir la fiche LOM
•
Auteur(s) : Anantharam Venkat
producteur : INRIA (Institut national de recherche en informatique et automatique)
Editeur : INRIA (Institut national de recherche en informatique et automatique) , Baccelli François
•
Langue : Anglais
Mots-clés : processus ponctuels, graphes aléatoires, dynamique des réseaux stochastiques, modélisation réseau

## commentaires

Ajouter un commentaire Lire les commentaires
*Les champs suivis d’un astérisque sont obligatoires.
Aucun commentaire sur cette vidéo pour le moment (les commentaires font l’objet d’une modération)