By using permutation representations of maps, one obtains a bijection between all maps whose underlying graph is isomorphic to a graph $G$ and products of permutations of given cycle types. By using statistics on cycle distributions in products of permutations, one can derive information on the set of all $2$-cell embeddings of $G$. In this paper, we study multistars -- loopless multigraphs in which there is a vertex incident with all the edges. The well known genus distribution of the two-vertex multistar, also known as a dipole, can be used to determine the expected genus of the dipole. We then use a result of Stanley to show that, in general, the expected genus of every multistar with $n$ nonleaf edges lies in an interval of length $2/(n+1)$ centered at the expected genus of an $n$-edge dipole. As an application, we show that the face distribution of the multistar is the same as the face distribution gained when adding a new vertex to a $2$-cell embedded graph, and use this to obtain a general upper bound for the expected number of faces in random embeddings of graphs.


翻译:使用地图的变换图示, 就可以在以图形为形态的图层图图为底部的图层图图和某周期类型变换产物之间取得一个双向插图。 通过使用关于变换产品中周期分布的统计资料, 就可以获得关于所有$G$的$$细胞嵌入数组的信息。 在本文中, 我们研究多星 -- -- 以所有边缘都存在顶端事件的无循环的多光谱。 众所周知的双脊外多星( 也称为dipoole) 的基因分布可以用来确定 Dipole的预期特性。 我们随后使用斯坦利的结果来显示, 一般来说, 每个有$nG$无叶边缘的多星的预期基因位于长度为 2/ (n+ 1) 的间隔, 以预期的 $n- 顶端顶端的顶端点为中心。 作为应用, 我们显示多星的面分布与在添加新的顶端图时获得的面分布相同。 我们用斯坦利的结果显示, 显示, 每个有$ 嵌嵌套图的顶部图的正数 。

0
下载
关闭预览

相关内容

专知会员服务
123+阅读 · 2020年9月8日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
Arxiv
4+阅读 · 2020年5月25日
A Graph Auto-Encoder for Attributed Network Embedding
Embedding Logical Queries on Knowledge Graphs
Arxiv
5+阅读 · 2018年9月6日
Arxiv
8+阅读 · 2018年3月17日
Arxiv
3+阅读 · 2018年2月7日
VIP会员
相关VIP内容
相关资讯
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Top
微信扫码咨询专知VIP会员