random walk
PulseAugur coverage of random walk — every cluster mentioning random walk across labs, papers, and developer communities, ranked by signal.
-
调查论文详述公平感知网络嵌入方法
本调查论文全面概述了公平感知网络嵌入方法，旨在减轻图结构数据表示中的偏差。它根据底层嵌入技术（例如，谱嵌入、随机游走、图神经网络、贝叶斯）、公平干预策略（预处理、中处理、后处理）和公平目标标准对现有方法进行了分类。论文还比较了群体公平与个体公平的方法，并讨论了开发可信赖网络表示学习的未来研究方向。
-
Eppstein-Wang算法为大图提供精确的平均距离估计
研究人员评估了大网络中平均距离的估计方法，这是一项计算密集型任务。他们发现基于随机游走的方法不可靠且成本高昂，而基于地标的方法，特别是Eppstein-Wang (EW)算法，表现出卓越的性能。EW算法在计算时间短的情况下实现了高精度，在实验中误差率低至0.02%。研究表明，使用大约100个随机选择的节点子集足以对大多数大图进行准确估计，并且EW算法在单部图中比二部图更可靠。
-
新方法从RGB反照率渲染逼真的皮肤散射
研究人员开发了一种新颖的光谱光学反演方法，用于渲染皮肤中的次表面散射。这个新框架可以从单一的RGB漫反射率预测全光谱皮肤散射参数，超越了当前需要大量人工劳动且散射剖面不准确的方法。该方法利用混合介质表示和训练过的神经解码器将RGB反照率映射到光学特性，从而在路径追踪中实现更逼真的皮肤渲染。
-
AI研究通过新的时序差分方法推进离策略预测
两篇新研究论文探讨了离策略时序差分学习在AI领域的进展。第一篇论文介绍了STHTD-MP，一种利用行为策略转换信息来改善预测几何形状的方法，其平均收缩因子可能比现有方法更小。第二篇论文提出了BA-TDC和BA-TDRC，它们用行为贝尔曼矩阵取代了标准的辅助协方差几何，证明了这种行为感知方法是有益的，尽管在复杂场景下仍需要正则化以获得稳健的性能。