random graph
PulseAugur coverage of random graph — every cluster mentioning random graph across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的代数恒等式统一了信息论结果
一篇新论文介绍了一个统一的代数恒等式，该恒等式连接了各种信息论变分结果。该恒等式将熵和散度的经典公式推广到多个先验，并适用于未归一化的先验。研究展示了其在语言模型和人类基因组序列上的应用，恢复了对比解码并分离了相关序列族。
-
新的半随机模型挑战种植子图检测
研究人员为种植子图检测引入了半随机模型，这与传统的纯随机图模型不同。这个新框架考虑了可能移除种植子图外部边的对手，对推理构成了重大挑战。该研究建立了统计极限，表明对于密度非常低的子图，检测在信息论上是不可能的，而密度超过某个阈值则可以实现鲁棒检测。还提出了一种计算上高效的算法，提供了严格的统计保证。
-
新的谱稀疏化方法提高了图模型的准确性
研究人员开发了新的方法 Spectral-LCGGM 和 Spectral-HR，以提高拉普拉斯约束高斯和 Hüsler-Reiss 图模型的准确性和可扩展性。这些模型用于图信号处理和极值依赖建模等领域。新技术采用谱图稀疏化作为后估计步骤，创建比原始模型稀疏但与原始模型在谱上接近的拉普拉斯估计，从而提高密集图估计的可解释性和性能。
-
新的因果图判据可改进AI发现算法
研究人员开发了一种新的随机因果有向无环图（DAG）拓扑排序判据。该方法利用了沿因果顺序可达节点（亲属）的单调递增性。研究通过数值方式展示了这一模式，并提出将时间序列DAG采样作为因果发现算法和合成数据评估的潜在替代方案。
-
新方法使用图神经网络将QAOA电路评估次数减少80%
研究人员开发了一种新颖的图条件信任区域方法，以减少量子近似优化算法（QAOA）所需的客观评估次数。该方法利用图神经网络预测QAOA角度，在定义的信任区域内指导局部优化器，并根据预测的不确定性调整评估预算。在MaxCut问题上的实验表明，电路评估次数从数百次显著减少到约45次，同时保持了可比的解决方案质量。
-
新算法改进了带有侧观察图的在线学习
研究人员为具有部分损失信息的对抗性多臂老虎机问题开发了新算法。这些算法旨在处理非选择臂以固定、未知概率揭示其损失的情况。所提出的方法即使在不知道损失观察的确切概率的情况下，也能实现接近最优的遗憾界限。