研究人员开发了一种新的变分框架，用于分析循环交互，超越了成对效应，以模拟复杂的递归系统。该方法将定向交互表示为单纯复形上的边流，在能量最小化动力学系统下演化，以识别低维循环空间内的稳定递归组织。该框架允许对循环交互进行投影、平均和群体水平统计推断，在模拟中显示出循环结构的改进恢复，并在来自 400 名受试者的大脑功能成像数据中揭示了可重复的大规模循环组织。 AI
影响 引入了一种新颖的统计框架，用于分析复杂的递归交互，有可能改善神经科学和生物学等领域的建模。
排序理由 该集群包含一篇详细介绍分析循环交互的新统计框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.08202v1 Announce Type: new Abstract: Most statistical and machine learning methods for directed interactions focus on pairwise effects among variables. Even existing cyclic models represent feedback primarily through node-level dependencies, making large-scale recurren…
Most statistical and machine learning methods for directed interactions focus on pairwise effects among variables. Even existing cyclic models represent feedback primarily through node-level dependencies, making large-scale recurrent organization difficult to estimate and compare…