large-scale networks | BriefGPT

关键词large-scale networks

搜索结果 - 8

基于 Q 学习的概率布尔控制网络的最优虚假数据注入攻击
通过采用强化学习方法（特别是 Q-learning 算法），解决了在概率布尔控制网络中，攻击者模型不可知情况下的最优虚假数据注入问题，并提出了一种改进的 QL 算法，能够处理标准 QL 算法无法处理的大规模 PBCNs 并获取最优攻击策略，
PDF7 months ago
通过无人机群体进行大规模物联网中的年龄最小化：一种多智能体增强学习方法
应用多智能体深度强化学习来解决大型物联网场景中的高维问题，通过部署一群无人机 (UAV swarm) 为物联网网络提供覆盖，并最小化信息时效，结果表明合作和部分合作的多智能体深度强化学习方法能够优于复杂度高的集中式深度强化学习方法。
PDF9 months ago
使用图神经网络（GNN）对交通网络中的图进行边缘排名
该文章提出一种基于图神经网络的边缘排序方法，用于评估不同边缘连接的重要性，并在大规模网络中表现出高效和准确的性能，此方法特别适用于城市基础设施的改进、电力和水资源网络的弹性分析以及工程网络的资源分配优化。
PDFa year ago
大规模有向网络的随机谱共聚类
本研究提出了两种基于随机投影和随机采样的随机谱共聚类算法，以加速大规模定向网络的共聚类，并在两种生成模型下理论分析其近似误差率和误叛集错误率。我们的数值实验表明了算法的效率，并发布了一个 R 包以便更好的可用性和可复现性。
PDF4 years ago
从零开始学习识别高介数中心节点：一种新的图神经网络方法
本文提出了一种基于 encoder-decoder 框架及 pairwise ranking loss 方法的学习算法，用于在大规模网络中快速且精确地鉴定 betweenness centrality 高的节点，与同类算法相比，具有较高的速
PDF5 years ago
WWWGraphVite：一种高性能 CPU-GPU 混合系统用于节点嵌入
本文提出了一个高性能的 CPU-GPU 混合系统 GraphVite，采用在线随机游走并行生成扩展边样本的方式，在 GPU 端采用一种新颖的并行负采样，为大规模网络训练节点嵌入提供了有效途径。在多个真实网络上的实验结果表明，GraphVit
PDF5 years ago
基于剪枝地标标记的大型网络快速精确最短路径查询
我们提出了一种新的方法，用于在大规模网络上进行最短路径距离查询，该方法通过从每个顶点执行广度优先搜索来预计算顶点的距离标签，并在广度优先搜索期间进行修剪，实验结果表明该方法在各种大规模真实网络上具有高效性和稳健性。
PDF11 years ago
全球流行疫情的预测与可预测性：航空运输网络的作用
本文研究了航空运输网络的大规模特性对新发传染病全球传播演变的作用，并提出了一种考虑全球航空旅行基础设施和人口普查数据的全球流行疫情预测的随机计算框架。我们定义了一组能够表征传染病模式的异质性和可预测性的新量化指标，可以用于分析遏制政策和流行
PDF19 years ago