The $k$-conversion number of regular graphs
Notice bibliographique
Résumé
Given a graph $G=(V,E)$ and a set $S_0\subseteq V$, an irreversible $k$-threshold conversion process on $G$ is an iterative process wherein, for each $t=1,2,\dots$, $S_t$ is obtained from $S_{t-1}$ by adjoining all vertices that have at least $k$ neighbours in $S_{t-1}$. We call the set $S_0$ the seed set of the process, and refer to $S_0$ as an irreversible $k$-threshold conversion set, or a $k$-conversion set, of $G$ if $S_t=V(G)$ for some $t\geq 0$. The $k$-conversion number $c_{k}(G)$ is the size of a minimum $k$-conversion set of $G$. A set $X\subseteq V$ is a decycling set, or feedback vertex set, if and only if $G[V-X]$ is acyclic. It is known that $k$-conversion sets in $(k+1)$-regular graphs coincide with decycling sets. We characterize $k$-regular graphs having a $k$-conversion set of size $k$, discuss properties of $(k+1)$-regular graphs having a $k$-conversion set of size $k$, and obtain a lower bound for $c_k(G)$ for $(k+r)$-regular graphs. We present classes of cubic graphs that attain the bound for $c_2(G)$, and others that exceed it---for example, we construct classes of $3$-connected cubic graphs $H_m$ of arbitrary girth that exceed the lower bound for $c_2(H_m)$ by at least $m$.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».