- 通用图和节点分类的编码器嵌入
将图编码嵌入方法扩展到包括加权图、距离矩阵和核矩阵等一般图模型，证明该方法满足大数定律和中心极限定理，能够在一定条件下实现渐近正态性，并通过一系列实验证实了这些理论发现。
- CLIPPER：无初始猜测的稳健数据关联
在数据关联中，我们提出了一个新的优化问题，使用图论形式化方法，充分利用加权图并寻求最密集的加权边团，进而引入了两种松弛方法，通过凸半定松弛和名为 CLIPPER 的快速一阶算法，实验结果显示，我们的算法在点云配准问题中表现出鲁棒性，当存在至 - 基于图神经网络的强化学习欺骗式路径规划
通过引入局部感知模型，基于强化学习的策略训练方案解决了欺骗路径规划问题，并在测试时成功实现了普适性、可伸缩性、可调节的欺骗程度以及对环境变化的实时适应。
- 多面体物体识别索引
采用加权图表示法，介绍了一种新颖的多边形物体识别方法，通过多项式表征和散列相结合解决了计算机视觉中的索引问题，并描述了一个基于索引的实际识别系统。
- 一种简单的近线性时间最小割算法
该论文研究无向带权图中的最小割问题，并给出了一种用于寻找 2 - 保留（切断图 G 中两个边）图的生成树 T 的最小割的简单算法。该算法被运用在代替 Karger 的近线性时间最小割算法中的复杂子例程，采用自包含版本的 Karger 算法的 - CVPRGASP：一种广义的聚类有向图框架及其在实例分割中的应用
介绍了一种理论框架，将层次聚类算法简化扩展到具有吸引和排斥相互作用的加权图中以及通过 GASP 这一更广泛的算法来实现分区。并在 CREMI 2016 EM 分割基准测试中展示了实现分割管道的方法，从像素到最终分割的简单程序，实现了最先进的 - 对等节点分层：此权重网络中发现层次结构的实用算法
本文介绍了 Agony 排名算法的若干扩展，包括权重图和层级数限制，通过与容量流问题的联系和启发式算法加速求解，同时也证明了任何凸惩罚下的最小层级问题都可以多项式时间解决，而以任何凹惩罚优化最小层级问题都是 NP - 难的问题。
- 加权随机块模型中的社区估计的最优速率
研究了一种基于加权邻接矩阵的随机块模型， 并通过一种基于离散化的算法，利用 Renyi 散度来表征其误差率。
- 带权图拉普拉斯矩阵的谱：结构普适性特性
研究 Laplacian 加权图的频谱，证明可以变化权重而得到简单特征值和 Fiedler 向量，这与经典的结构变动研究不同，打开了理解复杂系统动力学影响的机会。
- 小世界脑网络再探讨
该论文回顾了过去十年来小世界网络和权重网络分析在神经连接学领域的发展，并指出权重图的拓扑分析对于更复杂的脑连接数据更为重要，结合实例探讨了人类和小鼠的解剖神经网络拓扑结构，并探讨了未来对加权小世界拓扑结构更深层次、更广泛理解的趋势。
- Ising 模型中的推断
本文证明了针对一类二元数据的 Ising 自旋玻璃模型，如给定模型的单个实现，其最大伪似然估计值在某一点处是 squraat {a_N}- 一致的，推广了 Chatterjee（2007）的结果，同时在简单图的收敛序列中，证明了在高温相中不 - 图上的最大熵分布
研究了给定预期度序列的加权图上最大熵分布。使用指数族分布的一般理论，导出了顶点参数的最大似然估计量 (MLE) 的存在和唯一性，同时证明了单个样本的 MLE 在大图极限下的一致性，以及推出了加权图的 Erdos-Gallai 准则和顶点势的 - 子图稀疏化和近似最优超稀疏化
本文考虑保留原图的一个子图、寻找 k - 边加权图来加强原图的谱稀疏化问题，给出可行条件及多项式时间算法，并在超稀疏化问题和谱优化问题方面得出了应用结果。
- 有效电阻实现的图稀疏化
该研究提出一种几乎线性时间算法，用于生成加权图的高质量减少子集。算法包含一个独立的子程序，可用于在几乎线性时间内创建数据结构，从而可以在 $O (log n)$ 时间内查询图中任意两个顶点之间的近似有效电阻。
- 大型随机图的解析式
分析随机图的光谱收敛性，应用于局部收敛于树的图形，并导出该类图形光谱测度的斯蒂尔杰斯变换的新公式，并在均匀正则图、Erdos-Renyi 图和优先连接图上说明结果，为加权图、二分图和 n 个顶点一致生成树的应用举出示例。