- 大规模和密集随机 Kronecker 图的分析和近似推理
本文基于随机矩阵理论，在研究大规模的随机 Kronecker graph 时，发现其邻接矩阵近似遵循一个带有小秩信号矩阵和四分之一圆形奇异值分布的噪声矩阵，提出了一种 “去噪和求解” 的元算法，以减少计算复杂度和提高性能保证，给出了在合成和 - 离散随机结构下图神经网络 (GNN) 性能的障碍 - 对文章 《Schuetz 等：组合方法的进展》、《Angelini 等：现代表面建模》、以及《Schuetz 的回复》的评论
本文研究了图神经网络在解决随机图组合优化问题方面的局限性，发现由于 “Overlap Gap Property” 存在，即使是针对广泛选择的 GNN 体系结构，也很难超越已有算法的表现。
- 联邦学习的通信 - 计算高效安全聚合
提出使用稀疏随机图而非完全图来设计共享节点拓扑的低复杂度方案，在保证可靠性和隐私性的前提下，相对于现有的安全解决方案大幅度降低了通信 / 计算资源使用量。
- ICLR基于图的持续学习
本文提出通过增加可学习的随机图来维护和重放以前样本的小型陈情表记忆，来解决非静态分布中可用数据的持续学习问题的方法。在多个基准数据集上的实证结果表明，该模型持续胜过最近提出的基线方法，用于无任务的持续学习。
- 从边缘概率矩阵生成随机图的硬币翻转、球落和草跳算法
用球落和草跳两种方法进行几何随机变量操作，以对稀疏图模型进行公司矩阵采样，其中草跳方法利用 Morton 编码将 Kronecker 产品操作与序列化问题建立了联系。
- 网络拆除
研究网络拆除问题，通过 随机图的解联通问题以及疾病传播理论得到最小的拆除集，使用 Min-Sum 算法有效的拆除网络并提出最优拆除集不是单个节点的问题。
- 度为 4 的 SOS 程序中种植团的最紧下界
针对种植团问题，研究了度为 4 的 SOS 松弛的最优解下界，并提出了对 SDP 解的改进方法以得出更紧的下界。
- 在随机图中测试高维几何
研究了如何检测随机图中的高维几何结构问题，提出了一种基于新量的近乎最优和高效的测试方法，并针对稠密和稀疏情况提出了检测界和估计维度的猜想。
- 动态匹配市场设计
本文介绍了一个简单的动态匹配模型，该模型适用于网络市场，在该市场中，代理商随机进入和离开，并且代理商之间的可接受交易的网络形成一个随机图。从等待时间，优化和信息三个方面分析了我们的模型。我们分析的主要见解是等待以加强市场可能比增加交易速度更 - 边独立随机图的谱
本文研究随机图模型及其邻接矩阵、拉普拉斯矩阵的谱性质，其中包括对 Erdős-Rényi 图的分析，证明了矩阵与其期望的偏差在一定条件下的上界，并对已有的结果进行了改进。
- 随机块模型图的一致邻接谱嵌入
本文介绍一种通过嵌入过程估算随机块模型中节点的块成员资格的方法，并证明了该方法的一致性和可靠性，可用于大规模图形和参与虚拟谱聚类等应用。
- 独立边随机图中的邻接矩阵和拉普拉斯矩阵的集中度
在随机图中，将边权值视为概率，如果最小期望度数为 ω(ln n)，则随机图的邻接矩阵和拉普拉斯矩阵集中于边权为概率的加权图，应用于债券渗透和不均匀随机图问题中，通过引入矩阵 concenetration 和集中不等式得到新的结论。
- 团簇渗透
介绍了一个依赖渗透模型，用于在网络中寻找社区，并通过从规则生成的随机图 G 开始，形成一个辅助图 G'，其中 G' 的顶点是 G 的 k - 圈，如果对应的圈共享 k-1 个顶点，则加入两个顶点。我们给出了这一结果的严谨证明以及其他扩展，证 - MM随机派系复合体的拓扑结构
研究了随机图的连通性门槛以及其高阶同调群，得出了关于其维度的性质，同时对于零维同调群的严格计算提供了定量估计，并在非零维同调群中展现了明显的非平凡特征。
- Alon 第二特征值猜想的证明及相关问题
本文研究随机 d - 正则图的第二特征值的概率问题，证明了 Noga Alon 的猜想，并计算了该概率在大多数情况下都以 1/n 的多项式速度衰减。
- 随机图上的小霍普菲尔德模型
研究了 Hopfield 模型在随机图中的缩放规律下，当每个神经元的平均连接数为有限数时，并且自旋动力学由微观更新规则的同步执行（Little-Hopfield 模型）所支配。该模型在复制对称性的范围内得到了解决，通过分岔分析证明了我们相图 - 随机图作为网络模型
本文综述了最近一些研究，通过对随机图的扩展，纠正了其在实际网络中缺乏群聚性和非泊松度分布的缺陷，并将其应用于网络鲁棒性和流行病传播问题。