Jun, 2024

时变极点图

PDF
TL;DR我们介绍了一种支持时间变化标量场的可视化和分析的拓扑结构，即时间变化的极值图（TVEG）。TVEG 是 Morse-Smale 复杂的子结构，捕捉了标量场的 Morse 分解中细胞之间的邻接关系，并通过优化问题构建了 TVEG。我们通过多个案例研究演示了 TVEG 在识别和探索动态标量场中的拓扑事件（如删除、生成、分裂和合并）方面的能力，包括粘性指尖和 3D von Kármán 涡街数据集。
time-varying extremum graphvisualizationanalysisdynamic scalar fieldtopological events
发现论文，激发创造
  • 时变图和动态网络

    本文旨在将分布式计算文献中的各种概念、形式主义和结果整合到一个统一框架中，我们将其称为时间变化图表（TVG），并概括性地介绍它们的分类和应用。

    Nov, 2010

  • 基于傅里叶变换的边缘可变图网络用于多元时间序列预测

    本文基于图神经网络与边变换的傅里叶图神经网络，提出一种适应性学习高分辨率变量依赖关系的方法，对多变量时间序列分析与预测具有较高的效率和准确性。

    Oct, 2022

  • 一个时间 - 顶点信号处理框架

    该研究提出了一种名为 “Time-Vertex Signal Processing” 的框架，通过将时域信号处理技术与新的图信号处理工具相结合，旨在提高联合谐波分析的概念，并通过分析图上的简单偏微分方程的状态演变作为一种分析工具的形式，来处理高维非欧几里德数据，并证明该方法在多种应用中具有实际应用价值。

    May, 2017

  • 面向异步结构演变的时态动态图嵌入

    该论文提出了一种用于动态图的时间感知变压器来嵌入顶点表示的方法，该方法使用时间边缘序列来维护异步结构演变，并在多个数据集上展示了其在图挖掘任务中的优越性能。

    Jul, 2022

  • 空间网络的代数和几何模型

    介绍了一种新颖的基于时间变化图的方法来模拟星际通信，包括通信容量的统计，拓扑数据分析等。

    Apr, 2023

  • 使用动态图嵌入轨迹增强跨学科洞见力

    DyGETViz 是一个用于可视化动态图 (DGs) 的新框架，它利用了离散时间动态图 (DTDG) 模型的最新进展，灵活处理动态图中固有的时间动态。DyGETViz 能够有效捕捉图中的微观和宏观结构变化，为表示复杂而庞大的动态图提供了一种强大的方法。通过 DyGETViz 的应用，揭示或证实了各种重要的发现，包括在线社区的内容分享模式和专业化程度的多样性、词汇表在几十年间的时间演化以及与衰老相关和非相关基因展示出的不同轨迹。DyGETViz 通过简化动态图的复杂性，提高了科学发现对非专业人士的可访问性。我们的框架作为一个开源 Python 包发布，可用于各个学科领域。我们的工作不仅解决了可视化和分析 DTDG 模型的持续挑战，还为未来在各个学科领域动态图表示和分析的研究奠定了基础。

    Jun, 2024

  • 变分流图模型

    本文提出了一种名为 VFG 模型的创新方法，通过信息传递方案将流模型与分层结构相结合，实现高维数据的表示学习与概率推断，并具有流的隐含可逆结构的通用逼近器性质。

    Jul, 2022

  • Sparse-GEV: 多元极值时间系列建模的稀疏潜变量模型

    本研究提出了 Sparse-GEV 模型，即基于极端值建模的潜在状态模型，以自动学习稀疏的时间依赖性并进行预测。该模型是学习多元极值时间序列稀疏时间依赖性的第一批模型之一。实验结果表明，我们的算法在一个模拟数据集，一个气候数据集和两个 Twitter 数据集上比最先进的方法，包括 Granger 因果性，copula 方法和转移熵，表现更优越。

    Jun, 2012

  • 基于顶点频率的图分析

    本文研究如何在图形信号处理领域中利用字典设计和变换方法来识别和利用加权图中信号的结构。通过定义广义卷积、平移和调制运算符等，我们实现了窗口傅里叶分析的图形处理方法，在任何未指定方向、连接、加权的图上对信号进行分析。

    Jul, 2013

  • 基于几何代数嵌入的静态和时态知识图完成

    本论文使用几何代数和张量分解提出了一种新的知识图谱表示学习方法 GeomE 和 TGeomE，用于解决深度学习中的时序数据问题。结果表明，该方法在四个常用的静态 KG 数据集和四个知名的时间 KG 数据集上实现了最先进的性能。

    Feb, 2022