关键词complex network theory
搜索结果 - 5
- IJCAI基于复杂网络理论的深度神经网络:一种观点
通过复杂网络理论和统计物理结合,此研究工作扩展了现有的复杂网络度量指标,从纯拓扑分析转变为与深度学习可解释性相关的分析方法,提供了探究深度神经网络的物理根源,超越传统的输入 - 输出关系和复杂网络拓扑分析。
- 深度神经网络作为复杂网络
本文运用复杂网络理论将 DNN 表示为一个有向带权图,并介绍了一些度量方法,可以研究 DNN 作为动力学系统的性能,并发现度量方法可以区分低性能和高性能网络。
- 互联网拓扑的里奇曲率
本文利用 Ollivier 和 Lin 的离散 Ricci 曲率分析了互联网的曲率,发现 Ricci 曲率的分布广泛,表明网络拓扑结构是不均匀的,与节点度和聚类系数等本地量和介数中心性和网络连通性等全局量以及地理距离等辅助属性具有有趣的联系 - 从时间序列到复杂网络:可见性图
本文提供了一种简单快速的计算方法,即可将时间序列转换为图形,该方法称为可视性算法。生成的图形在结构上继承了系列的多个特性,如周期系列转换为规则图形,随机系列则转换为随机图形。 此外, 分形系列转化为无标度网络,这增强了幂律分布与分形性相关的 - 书面人类语言的网络属性
该研究运用复杂网络理论探究文本语言特性,并通过生长网络模型验证存在顶点功能分类和不同层次的顶点相关性,展示出类似于句法结构的网络结构。