- 网络中基于粗糙集和共识聚类的社区发现新算法
基于粗糙聚类的共识社区检测(RC-CCD)方法通过粗糙集理论处理数据中的不确定性,并利用共识聚类方法聚合多个聚类结果,增强社区检测的可靠性和准确性,从而有效地管理复杂网络中常见的重叠社区。在 Lancichinetti-Fortunato- - 基于深度学习方法的时间复杂网络模型评估与异常检测
基于深度学习的自动方法用于评估和检测演化网络的异常,结果显示该方法在不同数据集上的误差率测量中优于其他方法。
- 动态图神经网络调查
图神经网络已成为从图结构数据中有效挖掘和学习的强大工具,但大多数研究侧重于静态图,忽视了真实世界网络的动态特性,该论文提供了对基本概念、关键技术和最新动态图神经网络模型的全面综述。
- 复杂网络的人工智能:潜力、方法论和应用
复杂网络科学中的人工智能潜在优势、关键研究问题和方法学及应用的综述。
- 基于复杂网络的图像分割的系统性综述
该综述介绍了使用复杂网络进行图像分割的各种方法。图像分割是图像分析中的重要步骤,有助于分析和理解复杂图像。先前尝试根据使用复杂网络的方式对其进行分类,并结合机器学习、聚类、边缘检测和区域增长技术等高级算法进行图像分割。图论原理与基于社区检测 - 复杂网络中的拥塞控制新型强化学习路由算法
使用强化学习的路由算法能够控制拥塞和优化路径长度,从而提高网络吞吐量,有效地应用于复杂网络中各种流量场景和拓扑结构,并在实验中显示出最大节点拥塞减少 5 倍、效率提高 30% 的结果。
- 通过相关动力模型增强神经网络训练
神经网络训练过程中的参数在时间上呈现内在关联性,使用相关模式分解(CMD)算法可以将参数空间有效地划分为展现跨周期同步行为的群组,从而仅使用少数模式即可有效地表示 ResNets 和 Transformers 等复杂网络的训练动态,并提升测 - 优化联邦学习在 6G 网络的计算和网络融合中的通信效率
通过引导参与联邦学习的设备基于业务需求、资源负载、网络状况和设备的算术能力,计算和网络融合(CNC)可以提高联邦学习在复杂网络环境中的通信效率,并通过优化模型参数传输过程中的通信效率来解决复杂网络情况下的延迟分布和网络资源利用率的问题。
- 通过社区感知特征预测节点属性
提出一种基于社区结构的节点特征家族,探索它们的性质,并证实它们在分类任务中具有高预测能力,包含了无法由经典节点特征或节点嵌入(无论是经典还是结构化)恢复的信息。
- 图中社区检测的综述
复杂网络中的社区结构及社区检测方法的综述,涵盖了图的算法和现实应用领域。
- 在复杂网络中寻找影响因素:一种有效的深度强化学习方法
为了解决复杂网络中最大化影响力的任务的效率和性能问题,本论文提出了一种名为 DREIM 的深度强化学习模型,它采用图神经网络作为编码器,采用强化学习作为解码器,通过在小型合成图上进行大量训练,在解决质量上超越了传统最佳影响力最大化算法,并展 - 利用随机滤波和模式识别在反应扩散复杂网络中加强基于 POD 的模型简化技术
我们提出了一个算法框架,结合了模式识别和随机滤波理论的技术,以提高复杂网络模型在输入数据扰动情况下的输出准确性,并通过与神经常微分方程方法的基准测试进行了评估。
- 在邻接矩阵中探索有序模式以提升复杂网络机器学习
本文提出一种基于排序算法的新方法,用于唯一地表示复杂网络的邻接矩阵,并使用此方法进行特征提取和机器学习分类,结果表明这种方法在合成和真实数据的分类上优于先前文献的结果。
- MM基于低秩表示的复杂网络分类问题
本文研究了实际应用中复杂网络的图形建模与欧几里得嵌入,以及这些低秩表示在网络分类问题中的性能表现。
- 关于复杂网络的推理:一种逻辑编程方法
本文提出了一种基于逻辑程序的形式化语言 MANCaLog,该语言满足了前人提出的关于在复杂网络中进行推理的建议,重点研究了社交网络中确定组成员身份的问题,并提出了一种方法来达到更好的社交网络挖掘效果。
- 从城市到系列:利用复杂网络和深度学习改进空间和时间分析
将复杂网络和机器学习技术相结合,提出了新的神经网络架构以及用于分析和预测人类流动的算法,并开发了用于追踪城市规划中的缺陷和关键节点的技术。
- 基于频繁项集的搜索算法在复杂网络中寻找最小节点分隔集
本篇研究旨在寻找复杂网络中的最优关键节点,并提出了一种基于频繁项集的搜索方法来解决该问题,该方法结合了解决方案构建、人口修复、排名人口管理等模块,通过广泛评估表明其性能明显优于现有算法。
- 复杂系统中高阶相互作用的物理学
用复杂网络建模相互作用系统的动态已成为主要范例,但现实系统的高阶相互作用往往涉及三个或更多单元的团体,因此更好的工具是高阶结构,如超图和单形复合体,本文概述了高阶相互作用引发的集体行为及高阶系统物理面临的三个关键挑战。
- 复杂网络中的级联故障
对于流行复杂网络中的级联故障现象,本文基于物理及复杂网络科学的研究方法,探讨了其机理、动态及影响,并提出了阻断故障扩散的新策略。
- 通过语义可视化探索和发现 COVID-19 文献
我们正在开发语义可视化技术以增强探索和发现复杂关系的大型数据集的能力,包括使用 NLP 从原始数据中提取命名实体、关系和知识图,对所有相关实体和关系进行索引并创建各种可视化形式的表示,并使用参数缩减操作创建 “关系容器” 或功能性实体,以便