通过随机商的图极限

Research Paper#Graph Theory, Network Analysis, Machine Learning (potentially)🔬 Research|分析: 2026年1月3日 19:10•
发布: 2025年12月29日 02:26
•
1分で読める
•ArXiv

分析

本文介绍了一种新的图极限方法，称为“grapheurs”，它使用随机商。它解决了现有方法（如图子）在建模大型图中全局结构（如枢纽）方面的局限性。本文的重要性在于它能够捕捉这些全局特征，并为分析大型复杂图（特别是具有枢纽结构的图）提供了一个新的框架。基于边的采样方法和 Szemerédi 正则引理的类似物是关键贡献。
引用 / 来源
查看原文
"Grapheurs are well-suited to modeling hubs and connections between them in large graphs; previous notions of graph limits based on subgraph densities fail to adequately model such global structures as subgraphs are inherently local."
A
ArXiv2025年12月29日 02:26
* 根据版权法第32条进行合法引用。
较旧

Constraint programming model and biased random-key genetic algorithm for the single-machine coupled task scheduling problem with exact delays to minimize the makespan

较新

GeoTeacher: Geometry-Guided Semi-Supervised 3D Object Detection

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv