HyperAIHyperAI

Command Palette

Search for a command to run...

شبكات الفرعيات الرسومية وتطبيقاتها في توسيع فضاء الخصائص البنيوية

Qi Xuan Jinhuan Wang Minghao Zhao Junkun Yuan Chenbo Fu Zhongyuan Ruan Guanrong Chen

الملخص

الشبكات الحقيقية تظهر بنية هرمية ووحدوية بارزة، حيث تكون الرسومات الفرعية المختلفة ككتل بنائية. ومعظم الدراسات الحالية تعتبر الرسومات الفرعية المتميزة مجرد نماذج وتستخدم أعدادها فقط لوصف الشبكة الأساسية. رغم أن مثل هذه الإحصائيات يمكن استخدامها لوصف نموذج شبكة أو حتى تصميم بعض خوارزميات الشبكات، إلا أن دور الرسومات الفرعية في هذه التطبيقات يمكن استكشافه بشكل أكبر بهدف تحسين النتائج. في هذا البحث، يتم تقديم مفهوم شبكة الرسم الفرعي (Subgraph Network - SGN) ومن ثم تطبيقه على نماذج الشبكات، مع تصميم خوارزميات لبناء شبكات الرسم الفرعي من الدرجة الأولى والثانية، والتي يمكن توسيعها بسهولة لبناء شبكات ذات درجات أعلى. بالإضافة إلى ذلك، يتم استخدام هذه شبكات الرسم الفرعي لتوسيع فضاء الخصائص الهيكلية للشبكة الأساسية، مما يفيد في تصنيف الشبكات. تظهر التجارب العددية أن نموذج تصنيف الشبكة القائم على الخصائص الهيكلية للشبكة الأصلية مع شبكات الرسم الفرعي من الدرجة الأولى والثانية دائمًا ما يؤدي بأفضل أداء مقارنة بالنماذج القائمة على واحدة أو اثنتين فقط من هذه الشبكات. بعبارة أخرى، يمكن للخصائص الهيكلية لشبكات الرسم الفرعي أن تعوض عن خصائص الشبكة الأصلية لتحقيق تصنيف أفضل للشبكة، بغض النظر عن طريقة استخراج الخصائص المستخدمة، مثل الطريقة اليدوية وطريقة التضمين الشبكي وطرق النواة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp