研究人员分析了用于图信号生成的连续归一化流模型，证明了在连续时间常微分方程及其离散近似中都保持了排列等变性。该研究推导了显式的稳定性界限，以量化结构扰动如何影响采样信号。为了增强鲁棒性，引入了一种促进稳定性的正则化流匹配策略，该策略在训练期间会惩罚向量场的空间 Lipschitz 常数。 AI
影响 这项研究可能为图结构数据的更鲁棒的生成模型带来改进，从而改善脑成像和网络分析等领域的应用。
排序理由 该集群包含一篇详细介绍图信号生成新方法的学术论文。
- arXiv
- Brain connectomes come of age
- FMRI signals associated with memory strength in the medial temporal lobes: a meta-analysis
- graph neural networks
- Ordinary Differential Equations
- stochastic block model graphs
- Lipschitz constant
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
