Jun, 2023

强度曲线投影：连续时间动态网络表示学习框架

PDF
TL;DR本文提出了一种新的算法框架 —— 强度剖面投影，用于学习动态网络节点的连续时间表示，其特点是节点集和在连续时间内发生的瞬态交互事件的集合。我们的框架包括三个阶段：通过核平滑等方法估计节点对之间相互作用的强度函数；学习最小化强度重新构建误差的投影；并通过学习的投影归纳地构建演变中的节点表示。我们展示了我们的表示保留了网络的潜在结构，并且具有时间上的一致性，这意味着节点表示可以在不同的时间点进行有意义的比较。我们开发了估计理论，阐明了平滑作为偏差方差折衷的作用，并说明了如何随着信噪比的增加通过算法在网络中 “借力” 的方法来降低平滑度。
dynamic networkcontinuous-time representationsintensity profile projectionestimation theoryevolving node representations
发现论文，激发创造
  • 无强度学习时空点过程

    研究如何通过直接建模条件插值时间的条件分布来克服强制使参数化强度函数的局限性，并提出了一个简单的混合模型，其匹配了基于流的模型的灵活性，但也允许闭式采样和计算矩，该模型在标准预测任务中表现出最先进的性能，适用于学习序列嵌入和填补缺失数据等新领域。

    Sep, 2019

  • 通过低秩非对称投影学习边缘表示

    本文提出了一种新的无向图嵌入方法，通过建模节点的连边函数，并结合从随机游走中抽样的信息，对图的联通结构进行表达，从而提高了学到的嵌入空间的表现和空间效率。该方法在社交网络、蛋白质相互作用等数据集上均取得了较好的表现。

    May, 2017

  • 动态图上的表示学习

    本文提出了一种基于动态图的归纳式深层表示学习框架（DyRep），能够学习一组函数以高效生成随时间演变的低维节点嵌入，这些嵌入驱动动态图中节点之间的通信与关联，并利用时间为尺度的多元点过程模型来捕获这些动态关系，该研究通过动态链接预测和事件时间预测问题的两个真实世界数据集的实验证明了框架的有效性。

    Mar, 2018

  • 通过循环神经网络建模点过程强度函数

    本文介绍了使用基于递归神经网络的点过程模型来处理异步时间戳事件生成的方法，其中包括背景模型和历史影响模型，模型以端对端的方式进行训练，并应用于使用全球银行的 1000 多台 ATM 的日志数据的预测性维护问题。

    May, 2017

  • 投影：混合倡议式研究过程

    本文介绍了混合式交互界面 Projection，它通过支持搜索过程中上下文添加、多维信息可视化和层次聚类等技术提高了人机交流的带宽，具有潜在的市场应用前景。

    Jan, 2022

  • 神经群体动态和几何的可解释统计表征

    本研究提出了一种基于统计学习的无监督几何深度学习框架，利用局部相空间特征的统计分布来表示非线性动态系统，该方法提供了鲁棒的几何感知或几何无关的表示，可用于测量轨迹的基础上进行无偏的动力学比较，并设计了一种具有最先进准确性的解码算法。

    Apr, 2023

  • 基于全神经网络的一般时间点过程模型

    本研究提出了基于递归神经网络 (RNN) 的新型时间点过程模型，能够以一种更为灵活的方式表示强度函数的时间变化，并能够精确地评估对数似然函数，使其能在综合和真实数据集上实现优越性能。

    May, 2019

  • 基于积分的标记时态点过程的无强度学习

    通过 IFIB（无强度积分型进程）提出了一种在离散事件中高度准确建模条件联合概率密度 $p^*(m,t)$ 的解决方案，其中事件标记可以是分类的或连续多维空间的数值，该方法极大地简化了过程以满足数学约束条件，并通过在真实数据和合成数据集上展示出的优越实验结果进行验证。

    Aug, 2023

  • 基于核嵌入和加权因子的持久性图核方法

    本文提出了一种基于持久图的核方法，通过该方法可以控制持久性的效应并在数据分析中折算噪声拓扑特征。该方法还提供了一种快速逼近技术，并在几个实际问题中得到了应用。

    Jun, 2017

  • 学习基于持久化摘要的度量及其在图分类中的应用

    使用一种称为持续同调的拓扑工具及其对应的持久图摘要的新特征表示和数据分析方法，提出了一种新的加权核，称为 WKPI，以及一种优化框架，用于学习持久性摘要的最佳度量，并将其应用于图分类中，获得了比以往任何一个图分类框架都更好的结果。

    Apr, 2019