★ 2
结构候选限制的离散扩散大图生成
论文提出一种离散图扩散模型，将训练限制在结构驱动的节点对子集（观测边及其楔形非边），使训练复杂度低于节点数的平方，从而支持大规模图生成。模型设计三分类吸收式前向过程，采用度感知、带下限的余弦噪声调度，避免完全抹除图结构。实验显示其在大图生成的结构保真度上持续位居离散扩散基线前列。
arXiv cs.AI27 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一种离散图扩散模型，将训练限制在结构驱动的节点对子集（观测边及其楔形非边），使训练复杂度低于节点数的平方，从而支持大规模图生成。模型设计三分类吸收式前向过程，采用度感知、带下限的余弦噪声调度，避免完全抹除图结构。实验显示其在大图生成的结构保真度上持续位居离散扩散基线前列。
论文提出在函数空间中统一生成模型与参数恢复，用多重分形阶梯图子紧凑参数化复杂网络，并引入神经逆算子实现对新图规模的推断。模型仅在合成数据上训练，却在零样本图生成基准的四项指标中三项取得最佳平均表现，并能处理单观测网络。多被试 EEG 案例中，推断参数比传统网络统计量更灵敏地追踪脑状态可逆变化。