XiaoMi-AI文件搜索系统
World File Search System定向图
theta-gamma相的定向图分析
摘要 - 理解大脑中复杂的神经相互作用对于推进诊断和治疗策略至关重要。帕金森病（PD）是由多巴胺不足引起的神经退行性疾病，会影响大脑大面积的网络水平性能。这项研究介绍了一种新型的脑电图（EEG）数据分析方法，研究了theta-gamma跨频率相位振幅耦合（PAC）的时间动力学（PAC），通过使用有向图网络。该方法是特别开发的，可以将PD患者与健康对照区分开。我们首先测量脑电通道对之间的PAC，以构建一个有向图，该图指示不同大脑区域之间的方向相互作用。然后，通过分析该图的结构特征，例如节点聚类和跨时间的有效路径长度，我们提出了图形特征作为诊断标记，以分类来自健康对照的PD患者。结果表明，PD患者和对照组的有向图有显着差异，路径长度和连通性模式的改变表明神经通信中断。这些发现强调了基于PAC的脑电图数据采用定向图分析的潜力，以发现由PD等神经系统疾病引起的神经机制的变化。
定向图的能量和兰德索引
对称性对称性以及我们对能量和兰德指数变化的定义，我们需要适应我们的方法。特别是我们定义与内部和外部程度相关的内部和外部能量。为了描述我们使用的（1）中的相等性，我们所谓的遗传化技巧，将挖掘物的能量与两部分图的能量相关联。此外，该技术允许为定理6和9提供另一个证据。除了本介绍之外，该论文的组织如下。在第2节中，我们介绍了Nikiforov定义的Digraph的能量。我们还定义了顶点e +（v）的外能和顶点e-（v）的内能，并证明对于相邻的顶点e +（v i）e-（v j）≥1。在第3节中，我们证明了本文的主要结果，即（1）中的不平等现象及其相应的Randic指数和能量。第4节致力于冬宫化技巧。我们使用这种技术给出了本文主要定理的另一个证明，并描述了（1）中平等性充分填写的图。
莫里斯·普兹特（Maurice Pouzet）记忆的特刊序言
第八个在定向图的反转数中，是JørgenBang-Jensen，Jonas Costa Ferreira da Silva和Fr´ed的“ Havet”。作者考虑了定向图及其反转编号，即，使其无环所需的最小反转数。他们将此数字绑定到循环横向数字，循环弧转换数和周期堆积号。他们证明了两个图的dijoin的反转数是其反转数的总和。他们还研究了确定图的反转数是否低于k的复杂性，并表明该问题对于K = 1的NP结合了，与上述猜想一起，这意味着每个K对每个K来说都是NP的np，与先前的工作相反。
需要神经形态双胞胎检测拒绝...
•它可以存储任意的实数，可以在R上计算所有字段操作，即“ +”和“·”，并且可以根据关系“ <”，“>”和“ =”•BSS机器类似于Turing机器，它与所谓的磁带上的磁带相似。这是一个有限的定向图，具有与不同操作相关的五种类型的节点：输入节点，计算节点，分支节点，移位节点和输出节点
使用时空信息
摘要随着计算机科学的最新进展，越来越需要将人类运动转换为人体研究的数字数据。骨骼运动数据包括通过关节角度或关节位置表示的每个捕获运动框架的人类姿势。三维（3D）骨骼运动数据广泛用于各种应用中，例如虚拟现实，机器人技术和动作识别。但是，由于校准误差，传感器噪声，传感器的分辨率不良以及由于衣服而引起的遮挡，它们通常是嘈杂的和不完整的。已经提出了数据驱动的模型来denoise和填充不完整的3D骨架运动数据。但是，他们忽略了关节和骨骼之间的运动学依赖性，这可以作为确定标记位置的噪声。受到定向图神经网络的启发，我们提出了一个新型模型，以填充和定位标记。此模型可以通过从长期短期记忆层中创建骨数据和时间信息来直接提取空间信息。此外，提出的模型可以通过自适应图学习关节之间的连通性。在评估中，提出的模型显示出具有不同类型的噪声水平和学习过程中数据含量不同的看不见数据的良好的完善性能。
基于图形的加权定向自动癫痫发作检测，有效的脑电图
癫痫发作是最常见的神经系统疾病之一，其特征是大脑中神经元的突然异常排出。使用脑电图记录（EEG）记录的自动癫痫发作会提高治疗质量并减少医疗开销。 本文的目的是设计一个自动癫痫发作检测框架，该框架可以通过发现大脑区域之间的连通性来有效地识别癫痫发作和非癫痫事件。 在这项工作中，提出了一种具有有效脑连接性（EBC）的加权定向方法以进行癫痫发作。 通过分析大脑不同区域之间的相关性来构建加权定向图。 然后，基于图理论的措施用于提取分类的特征。 此外，我们说明了提出的方法实现患者特异性模型和交叉患者模型的癫痫发作检测的能力。 结果表明，所提出的方法在患者特定模型和CHB-MIT数据集中分别达到99.97％和98.29％的精度值。 这些结果表明，所提出的方法实现了有效的分类性能，可用于为自动癫痫发作检测和临床诊断提供帮助。使用脑电图记录（EEG）记录的自动癫痫发作会提高治疗质量并减少医疗开销。本文的目的是设计一个自动癫痫发作检测框架，该框架可以通过发现大脑区域之间的连通性来有效地识别癫痫发作和非癫痫事件。在这项工作中，提出了一种具有有效脑连接性（EBC）的加权定向方法以进行癫痫发作。通过分析大脑不同区域之间的相关性来构建加权定向图。然后，基于图理论的措施用于提取分类的特征。此外，我们说明了提出的方法实现患者特异性模型和交叉患者模型的癫痫发作检测的能力。结果表明，所提出的方法在患者特定模型和CHB-MIT数据集中分别达到99.97％和98.29％的精度值。这些结果表明，所提出的方法实现了有效的分类性能，可用于为自动癫痫发作检测和临床诊断提供帮助。
通过二进制代码框嵌入在有向图中的传递性和循环性建模
对有针对性表示的有向图建模是在图形结构数据上执行机器学习的基本要求。几何嵌入模型（例如双曲线，锥体和盒子嵌入）在此任务中出色，表现出有针对性图的有用的电感偏差。然而，对包含周期和某些传递性元素的定向图进行建模，这是现实世界中常见的两种属性，这是具有挑战性的。框嵌入可以被认为是将图表示作为某些学到的超图上的交点，具有自然的感应性偏置，以建模传递性，但是（正如我们证明的）无法对周期进行建模。为此，我们提出了二进制代码框嵌入，其中博学的二进制代码选择了一个相交的图表。我们探索了几种变体，包括全局二元代码（相当于交叉点的联合）和每个vertex二进制代码（允许更大的灵活性）以及正则化方法。理论和经验结果表明，所提出的模型不仅保留了有用的传递性电感偏见，而且还具有足够的代表能力来模拟任意图，包括带有周期的图形。
分布式NASH平衡寻求超过时变的定向通信网络
摘要 - 本文提出了一种分布式算法，以在一类不合作凸的游戏中找到NASH均衡，并具有部分决策信息。我们的方法与共识动态一起采用了分布式的投影梯度播放方法，而单个代理通过梯度步骤和与邻居的本地信息交流通过随时间变化的有向通信网络来最大程度地减少其本地成本。解决时变的定向图提出了重大挑战。现有方法通常通过关注静态图或有向图的特定类型或要求使用Perron-Frobenius EigenVectors进行扩展来避免这种情况。相比之下，我们建立了新的结果，该结果为与时变的行定量重量矩阵相关的混合术语提供了收缩特性。我们的方法根据权重矩阵和图形连接结构的特征明确表示收缩系数，而不是通过先前的研究中的第二大重量矩阵的奇异值隐式表示。既定的结果有助于证明所提出的算法的几何融合，并提高了随着时变的定向通信网络中分布式算法的收敛分析。nash-cournot游戏的数值结果证明了该方法的功效。
欢乐度量
我们通过计算合作的可能方式来衡量欢乐，表明选择程度或参与联盟的自由。我们的联盟理论基于依赖网络[6，19]，标记为节点为代理的定向图，并且每个标记的边缘表示前代理都取决于后者以实现一定目标。要解释对欢乐度量的需求，我们表明了稳定性和效率措施的差异。Tools for conviviality are concerned in particular with dynamic as- pects of conviviality, such as the emergence of conviviality from the sharing of properties or behaviors whereby each member's perception is that their personal needs are taken care of [10].在这种动态情况下，联盟的稳定性是一个重要的标准。此外，传统联盟形成和游戏理论方法一直集中在联盟的效率上。对依赖网络的关注以及更具体地对其周期的专门关注，是一种合理的方式，将诱因正式化为与选择自由以及子公司关系的自由相关的事物 - 在社会系统的同胞中，与任务实现的互动相关。但是，这种选择自由的观点并不是唯一的欢乐观点，甚至不是最相关的观点。在本文中，我们不考虑需要信任，共同承诺和相互努力来建立和维持欢乐的态度的概念，或者与欢乐文学中讨论的其他社会概念的许多定义以及与其他社会概念的关系，涉及信任，隐私和社区认同等质量。For example, in earlier work we define conviviality masks based on Taylor's idea that conviviality “masks the power rela- tionships and social structures that govern societies.” [20]欢乐面具是通过隐藏权力关系和社会结构来促进社会互动的社会依赖性的转变，并且可以定义欢乐的面具措施来衡量这些转变。The layout of this paper is as follows.在第2节中，我们介绍了一个从机器人技术组成的联盟形成的典型示例，在第3节中，我们讨论了依赖网络的稳定性和效率效率，在第4节中，我们讨论了欢乐度量措施的假设和要求，在第5节中，我们介绍了第6节，在第6节中，我们介绍了感情的测量。