关键词network reconstruction
搜索结果 - 6
- 基于最小描述长度原理的网络重建
从动态或行为数据中重建网络的一个基本问题在于以能够防止过拟合的方式确定最适合的模型复杂度，并生成具有统计合理边数的推断网络。与常见做法 L1 正则化结合交叉验证相比，本文提出了一种基于层级贝叶斯推断和权重量化的非参数正则化方法，该方法能够提 - 亚二次时间内的可扩展网络重建
网络重建算法通过随机第二邻域搜索在亚二次时间内实现对网络拓扑重建，与二次复杂度基准相比具有数个数量级的更高性能，可用于大规模网络的并行重建。
- 网络重构与动态学习的通用深度学习框架
通过提出 Gumbel Graph 网络 (GGN) 框架，我们展示了一种模型自由、数据驱动的深度学习方法，可用于重建网络连接并预测时间序列的状态。该框架在连续、离散、二进制等不同类型的时间序列数据上展现了显著的对比优势。
- MultiNet：一种可扩展的多层网络嵌入框架
本文提出了 Multi-Net 方法，一种适用于复杂多层网络的快速嵌入技术，通过利用四种随机游走策略实现更精确的节点嵌入并保留其邻居特性，表现优于四个来自不同领域的真实世界数据集，并且在网络重构任务上展现了独特性。
- AAAI从被调查者驱动的抽样中推断隐藏的社交联系：看到看不见的网络
本文提出了一种基于 RDS respondent-driven sampling 的网络再生算法 RENDER，通过观察被受访者引荐的其他研究对象，重建了隐藏人群的社交网络结构，以加强流行病学与公共卫生领域的风险行为和疾病预防的研究。
- 使用异步更新的动力学伊辛模型推断网络
使用 naive mean field（nMF）和 Thouless-Anderson-Palmer（TAP）近似重构网络结构，研究不对称的 Sherrington-Kirkpatrick（S-K）模型使用异步更新，在温度 T 下找到了临界