几何网络比较
本文旨在从几何和高维统计推理的概念和技术入手,通过对图拉普拉斯矩阵空间的精确定义和 Fréchet 的非参数平均概念,为功能神经成像数据的网络构建提供一种新的全局测试方法,并展示了其相较于基于无差别分析的单变量方法更具统计学优势的全局测试方法。此外我们还给出了一种可视化每条边对于总测试统计量的单独贡献的方法。
Jul, 2014
本研究提出了分布估计的新的比较神经网络架构方法,揭示了最新神经架构搜索设计空间变体之间的显著统计差异,并发现标准模型家族的设计空间可以与最近神经架构搜索工作中使用的更复杂的设计空间可以相媲美,以期为发现更好的视觉识别网络提供更健壮的进展。
May, 2019
通过将图形相似性评估作为描述问题,使用 MDL 原则进行模型选择的形式化问题,例如社交网络,信息网络的比较,引入 Momo 以发现好的模型,并提出有效的算法。
May, 2021
本文提出了在假设检验中对比 Facebook 和 LinkedIn 上的友谊网络的解决方案,利用网络统计学衡量网络。通过对网络统计学的集中度进行通用表述,揭示了一个自然的对策,实现了一致的双样本测试。本文还证明,对于某些网络统计量,所提出的测试是最小最优的。
May, 2017
该研究使用最小描述长度标准和后验概率比方法,基于统计学推断从许多生成模型中选择最佳的模型,结果表明,节点内部的属性通常比群体属性更重要,度修正模型通常是大多数无权网络的最佳模型。
Sep, 2014
网络几何学的三种方法包括潜在空间几何、动力学过程感应几何和最短路径距离感应几何,能够有效地发现网络的分形性、尺度不变性、自相似性等基本对称性,在理论研究和实际应用中具有很大的效用。未来的研究方向和挑战也在这个新领域,可以理解大脑是如何工作的以及在互联网中进行路由选择。
Jan, 2020
研究了三个网络的概率模型:随机块模型中的社区检测,随机几何图的嵌入以及优先附着树中的初始顶点,并探讨了很多与概率论相关的有趣话题,如泊松瓮,大偏差理论、高维度测度集中、熵集中极限定理等。
Sep, 2016