PopDRP:关系精炼与选择性群体图学习用于多模态脑病诊断
研究提出 PopDRP 框架,将诊断引导的关系精炼与分层选择性状态空间学习结合,用于多模态脑部疾病诊断。在 ABIDE 与 ADHD-200 数据集上,其准确率与 AUC 均优于基线,消融实验验证了关系精炼与选择性分层骨干的贡献。
共 6 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究提出 PopDRP 框架,将诊断引导的关系精炼与分层选择性状态空间学习结合,用于多模态脑部疾病诊断。在 ABIDE 与 ADHD-200 数据集上,其准确率与 AUC 均优于基线,消融实验验证了关系精炼与选择性分层骨干的贡献。
论文提出基于随机游走转移矩阵谱矩的矩引导边采样框架,量化并控制局部边编辑对全局图结构的影响。作者给出组合法与低秩法两种精确矩变化计算方式,将单边编辑成本从 O(mn) 降至 O(m)。研究证明保矩采样可保留三角形加权聚类系数等结构性质,并可用于改进图学习与图对比学习。
论文针对稀缺数据下学习稀疏图的问题,受扩展图兼具局部稀疏与强全局连通特性的启发,提出谱连通性正则化图学习框架 SCoGL。该方法在组合拉普拉斯约束的 GLASSO 目标上加入由拉普拉斯特征值计算的连通性先验,推导了多种先验的梯度并设计带 Armijo 回溯的投影梯度下降算法。实验显示其变体改善了图…
SNAP-KG 是一个无需图访问与推理重训练、仅凭原始特征将新实体归入知识图谱语义社区的框架,此前在多个含同质视图的基准上表现良好。本文将其评估扩展到 Texas、Wisconsin、Chameleon 三个异质图,发现当不存在同质视图时聚类质量急剧下降,决定性能的是关系同质性而非关系数量。作者指…
论文针对智能体图学习(AGL)中共享推理策略难以适应异构图结构的问题,提出多智能体智能体图学习框架 MAAGL。它将图划分为社区并为每个社区分配独立智能体,分别表示结构与语义证据:结构证据用置换不变、固定大小的动态结构签名概括,语义证据按相关性筛选top-k节点。智能体依据相似签名的历史轨迹估计置…
论文研究符号图滤波器在边增删与符号翻转扰动下的稳定性,理论分析揭示符号边扰动与节点特征相关性如何共同决定表示稳定性。基于此提出理论引导的扰动策略,实验显示其能更有效地引发嵌入漂移与下游链路预测性能下降。