May, 2019

高效生成几何不均匀和双曲随机图

PDF
TL;DR本文介绍了一种高效的生成复杂网络的算法，能够生成高温下的具有可控阶幂分布和高聚集性质的超伪随机图和几何非均匀随机图，考察了两种模型的差异。
hyperbolic random graphsgeometric inhomogeneous random graphspower-law degree distributionhigh clusteringtemperature
发现论文，激发创造
  • 双曲线图生成器

    本文介绍了一种计算机程序来生成具有超几何空间中随机几何图形模型的网络，并模拟其在不同网络结构特性方面的表现。

    Mar, 2015

  • 学习超边代换语法进行图形生成

    本文介绍了一种利用网络模式、团树、高超边替换文法等技术生成新图的方法，并验证了其能够生成各种性质与原图相似的图，同时保留了局部子结构。

    Feb, 2018

  • 用于大规模图形生成的分层 GNN

    该研究提出了一种名为 HIGGS 的模型无关框架，使用具有条件生成能力的 GNN 模型以分辨率层次结构采样图来生成具有大规模且具有现实局部结构的图。

    Jun, 2023

  • 复杂网络的双曲几何

    研究采用非欧几里得超几何模型来探讨复杂网络结构、度分布和拓扑性质，建立了网络结构与统计力学之间的映射，证明这种模型可以最大化网络传输效率，并且对于各种突发的破坏和损坏非常稳健。

    Jun, 2010

  • 超几何图传播模型用于分子生成

    提出了一种叫做 HGDM 的模型，将扩散模型拓展到超螺旋流形上，以便更好地生成化学分子，使用超螺旋嵌入的复杂几何信息实现更好的效果。

    Jun, 2023

  • 基于双曲几何的潜在扩散模型用于图生成

    通过建立基于双曲几何的可解释度度量的几何潜变空间，使用径向和角度几何特性约束的几何潜变过程，HypDiff 框架能有效地捕捉和保留图的拓扑信息，并在各种拓扑结构的图生成中表现出卓越的效果。

    May, 2024

  • 离散指数族几何及其在指数随机图模型中的应用

    该研究重新考虑了与计算最大似然估计困难有关的问题，并将其应用于分析指数随机图模型。该研究揭示了离散指数族分布与凸支撑的正规扇形之间的重要关系，这对于理解 ERG 模型的性质和行为至关重要。

    Dec, 2008

  • HiGen：层次图生成网络

    提出了一种新的图生成网络，以获得具有层级结构的图，并通过模块化方法在层级结构的不同级别生成社区，根据多项式分布对层级图中的边进行建模并成功地捕获了局部和全局性质。

    May, 2023

  • 同构偏好导向的异质图重连

    本研究旨在提高异质图神经网络（HGNN）在非同质化环境下的泛化能力，通过提出一种基于元路径的刻画异质图同质性度量方法，并设计了基于同质性的异质图重连方法 HDHGR 来提高 HGNN 的性能。实验证明 HDHGR 的有效性，可以获得 10％以上的相对增益。

    Feb, 2023

  • 双曲线图神经网络：方法和应用综述

    本文对当前超伽马线图神经网络的技术细节进行了全面的回顾，并将它们统一到一个通用框架中，并总结了每个组件的变体和相关应用，并提出了一些挑战，可能为进一步发展超伽马线空间的图学习成果提供指导。

    Feb, 2022