XiaoMi-AI文件搜索系统
World File Search System超图
超图：说明临床图片
引言超图是一种广泛的写作趋势，有时会加上过度狂热和非典型性，完成了Waxman和Geschwind在1975年在颞叶癫痫患者的发作阶段中描述的综合征。然而，与精神分裂症精神病相比，通常在右半球中，任何颞骨病变都可能引起。客观对临床肿瘤病变的横向显着性审查，强调了（联合国）特定的超图，此前案例报告了患有超毛和精神分裂症精神病患者的病例报告。方法分析患者的临床记录和PubMed评论，使用超毛病，癫痫和精神病作为关键字。结果，我们报告了一名74岁男性因敏捷而被录取。患者在20多岁的脑损伤中患有脑外伤，左颞癫痫。他生活在psy-Chiatric Asylum中，近40年，诊断为精神分裂症，表现出极大的非典型性行为。被跨机构化为社区护理所在地后，他解脱了脑膜脑炎，导致药物变化和行为复发。他表现出粘度，间接性，独白，正式情绪和正常认知。他写了大量的文章，例如列出了著名神职人员和政治的各种类别和信件的列表。他的日记是出于说明目的的扫描。披露利息的作者尚未提供其竞争利益的声明。结论超毛病是一种罕见但容易发现的症状，值得临床医生的关注，尤其是在精神分裂症精神病和颞癫痫之间的鉴别诊断中。
讲座 16：超图乘积代码 1 回顾
首先，了解这些一维代码和细胞复合体会很有用。具体来说，我们将研究这些一维细胞复合体与代码属性的关系。回想一下，一维细胞复合体由一维对象（边）和零维对象（顶点）组成。还有一个边界图，它将一些顶点与一些边的边界标识在一起，如图 2 所示。这看起来很像我们上次看到的 Tanner 图。因此，我们可以将经典代码与这个一维链复合体关联起来。由于在这种情况下 Tanner 图是对称的，我们可以决定是否将变量分配给边并将奇偶校验分配给顶点，反之亦然。
基于超图的机器学习合奏网络入侵检测系统
摘要 - 检测恶意攻击的网络入侵检测系统（NID）继续面临挑战。NID通常是离线开发的，而它们面临自动生成的端口扫描尝试，从而导致了从对抗性适应到NIDS响应的显着延迟。为了应对这些挑战，我们使用专注于Internet协议地址和目标端口的超图来捕获端口扫描攻击的不断发展的模式。然后使用派生的基于超图的指标集来训练集合机学习（ML）基于NID的NID，以高精度，精确和召回表演以高精度，精确性和召回表演以监视和检测端口扫描活动，其他类型的攻击以及对抗性入侵。通过（1）入侵示例，（2）NIDS更新规则，（3）攻击阈值选择以触发NIDS RETRAINGE RECESTS的组合，以及（4）未经事先了解网络流量本质的生产环境。40个场景是自动生成的，以评估包括三个基于树的模型的ML集成NID。使用CIC-IDS2017数据集进行了扩展和评估所得的ML集合NIDS。结果表明，在更新的nids规则的模型设置下（特别是在相同的NIDS重新培训请求上重新训练并更新所有三个模型），在整个仿真过程中，提出的ML集合NIDS明智地进化了，并获得了近100％的检测性能，并获得了近100％的检测性能。
一项有关超图神经网络的调查：深入和逐步指南
高阶相互作用（HOI）在现实世界中的系统和应用中无处不在。对HOI的深度学习的调查已成为数据挖掘和机器学习社区的宝贵议程。由于HOI的网络是数学上的，因此Hypergraph神经网络（HNN）已成为表示超图表学习的强大工具。鉴于新兴趋势，我们介绍了专门针对HNN的首次调查，并提供了深入和逐步指南。广义，本调查概述HNN架构，培训策略和应用程序。首先，我们将现有的HNN分解为四个设计组件：（i）输入功能，（ii）输入结构，（iii）消息传递方案和（iv）培训策略。第二，我们研究了HNNS如何通过其每个组成部分来解决和学习HOI。第三，我们概述了HNN在建议，生物信息学和医学科学，时间序列分析和计算机视觉中的最新应用。最后，我们以讨论局限性和未来方向的讨论来结束。
有向超图的近似紧谱稀疏化
谱超图稀疏化是将众所周知的谱图稀疏化扩展到超图的一种尝试，在过去几年中得到了广泛的研究。对于无向超图，Kapralov、Krauthgamer、Tardos 和 Yoshida (2022) 证明了最佳 O ∗ ( n ) 大小的 ε -谱稀疏器，其中 n 是顶点数，O ∗ 抑制了 ε − 1 和 log n 因子。但对于有向超图，最佳稀疏器大小尚不清楚。我们的主要贡献是第一个为加权有向超图构造 O ∗ ( n 2 ) 大小的 ε -谱稀疏器的算法。我们的结果在 ε − 1 和 log n 因子范围内是最优的，因为即使对于有向图也存在 Ω(n2) 的下限。我们还展示了一般有向超图的 Ω(n2/ε) 的第一个非平凡下界。我们算法的基本思想借鉴了 Koutis 和 Xu (2016) 提出的基于 spanner 的普通图稀疏化。他们的迭代采样方法确实有助于在各种情况下设计稀疏化算法。为了证明这一点，我们还提出了一种类似的无向超图迭代采样算法，该算法实现了最佳大小界限之一，具有并行实现，并且可以转换为容错算法。
超图乘积码的横向门限制
摘要 — 在容错量子计算机中，量子码有望实现保护量子信息和允许容错门操纵量子信息的相互冲突的目的。我们引入了一种对此类门施加限制的新技术，并将该技术应用于包含在垂直扇区内的一类称为超图乘积码的量子码。这些代码由一对经典线性代码输入构成，并推广了 Kitaev 曲面代码，它是经典重复代码的超图乘积。我们为这些输入代码提供了一个必要条件，在此条件下，得到的超图乘积代码具有限制于 Clifford 群的横向门。我们推测所有 [ n, k, d ] Gallagher 码（d ≥ 3 且 k ≤ n/ 2）都满足此条件。这项工作是对 Bravyi 和 K¨onig 提出的论证的概括，并且我们还推测这是对 Jochym-O'Connor 等人提出的最新不相交概念的细化。
利用基于超图的框架揭示大脑混乱
摘要：科学家已经证明，成年大鼠大脑某个区域的神经元从其出生地迁移到大脑的其他部分。同样的过程也发生在成年人身上。没有有效的可视化工具来查看人脑的功能和结构。在本文中，我们专注于设计一个框架，以更多地了解阿尔茨海默病及其人脑神经元的过程。这个框架被称为基于超图的神经元重建框架。它有助于通过超图的构建和重建来映射神经元的诞生和死亡。该框架还识别神经元生命周期中的结构变化。它的性能通过小世界网络和稳健的连接度量进行了定量评估。索引词：超图、多级神经元、脑部疾病、可视化、通信网络。
定向和加权代谢超图的鲁棒性和复杂性
摘要：代谢网络可能是最具挑战性和最重要的生物网络之一。他们的研究提供了有关生物学途径的工作方式以及特定生物体对环境或治疗的鲁棒性的见解。在这里，我们提出了一个有针对边缘的顶点重量作为代表代谢网络的新框架的定向超图。这种基于超级图的表示捕获了代谢物和反应之间的高阶相互作用，以及反应和化学计量权重的方向性，从而保留了所有必需信息。在此框架内，我们提出了通信性和搜索信息作为指标，以量化有向超图的鲁棒性和复杂性。我们探讨了网络方向对这些度量的含义，并通过将它们应用于小型大肠杆菌核心模型来说明了一个实践示例。此外，我们比较了30种不同模型的代谢模型的鲁棒性和复杂性，并连接结构和生物学特性。我们的发现表明抗生素耐药性与高结构鲁棒性有关，而复杂性可以区分真核和原核生物。
HyGNN：通过超图神经网络预测药物间相互作用
摘要 — 药物间相互作用 (DDI) 可能会妨碍药物的功能，在最坏的情况下，它们可能导致药物不良反应 (ADR)。预测所有 DDI 是一个具有挑战性且至关重要的问题。大多数现有的计算模型整合了来自不同来源的以药物为中心的信息，并将它们作为机器学习分类器中的特征来预测 DDI。然而，这些模型失败的可能性很高，尤其是对于所有信息都不可用的新药。本文提出了一种新的超图神经网络 (HyGNN) 模型，该模型仅基于适用于任何药物的简化分子输入线输入系统 (SMILES) 药物串来解决 DDI 预测问题。为了捕捉药物化学结构的相似性，我们从从 SMILES 字符串中提取的药物化学子结构创建了一个超图。然后，我们开发了 HyGNN，它由一个基于注意力机制的新型超图边缘编码器组成，以获得药物作为超边的表示，以及一个解码器来预测药物对之间的相互作用。此外，我们进行了大量实验来评估我们的模型，并将其与几种最先进的方法进行比较。实验结果表明，我们提出的 HyGNN 模型可以有效预测 DDI，并且令人印象深刻地超越基线，最大 F1 得分、ROC-AUC 和 PR-AUC 分别为 94.61%、98.69% 和 98.68%。最后，我们表明我们的模型也适用于新药。索引术语 — 药物-药物相互作用、图神经网络、超图、超图神经网络、超图边缘编码器