计算循环群上4度Bi-Cayley网络直径的快速算法

Cayley图是一类高对称正则图,有许多好性质,被广泛认为是一类理想的互连网络拓扑结构。Bi-Cayley图是Cayley图的一个自然推广,特别地,循环群上4度Bi-Cayley网络[BC(n;±s1,±s2)]是双环网络[DLG(n;±s1,±s2)]的一个自然推广。讨论了循环群[?n]上4度Bi-Cayley网络[BC(n;±s1,±s2)]连通的充分必要条件,并给出了计算该网络直径的一种算法,其时间复杂度为[O(lb n)]。     

结构化P2P覆盖网络的Cayley图构造方法研究

结构化P2P覆盖网络通常都基于某个静态的图结构,而这些静态图又常常是Cayley图或其超图,这些静态图的直径、度等特性可以直接影响到覆盖网络拓扑的路由表大小、路由长度等特性,因此静态图的选择显得非常重要.Cayley图是使用代数群论建立的一类图,它的最大好处是其对称性和点传递性,利用Cayley图的这类性质,可以分析结构化P2P覆盖网络拓扑结构的本质.就几种典型的结构化P2P覆盖网络的静态拓扑,分析了其Cayley图构造方法的本质.     

基于Cayley图的六度环绕网络研究

六度网络是一类平面图网络结构,将平面以等边三角形的形式进行分割,包括六度网孔网络和六度环绕网络.六度网孔网络不是规则网络,其边缘节点与内部节点的度不相等.通过对六度网孔网络的边缘节点建立环绕边就形成了规则的六度环绕网络,每个节点的度为6.但是由于环绕边的存在,使得六度环绕网络的通信算法实现复杂,网络直径也非常难于计算.六度环绕网络被证实是一种Cayley图模型,具有良好的对称性.但是基于Cayley图的六度环绕网络的最优路由算法、广播算法还没有得到,该网络模型的具体直径值也是未解问题.针对基于Cayley图的六度环绕网络模型,文中给出了一种简单的最优路由算法和一种基于陪集图理论的广播算法,并给出该网络模型的网络直径确切值.     

图网络层级信息挖掘分类算法综述

深度学习作为人工智能的一个研究分支发展迅速,而研究数据主要是语音、图像和视频等,这些具有规则结构的数据通常在欧氏空间中表示。然而许多学习任务需要处理的数据是从非欧氏空间中生成,这些数据特征和其关系结构可以用图来定义。图卷积神经网络通过将卷积定理应用于图,完成节点之间的信息传播与聚合,成为建模图数据一种有效的方法。尽管图卷积神经网络取得了巨大成功,但针对图任务中的节点分类问题,由于深层图结构优化的特有难点——过平滑现象,现有的多数模型都只有两三层的浅层模型架构。在理论上,图卷积神经网络的深层结构可以获得更多节点表征信息,因此针对其层级信息进行研究,将层级结构算法迁移到图数据分析的核心在于图层级卷积算子构建和图层级间信息融合。本文对图网络层级信息挖掘算法进行综述,介绍图神经网络的发展背景、存在问题以及图卷积神经网络层级结构算法的发展,根据不同图卷积层级信息处理将现有算法分为正则化方法和架构调整方法。正则化方法通过重新构建图卷积算子更好地聚合邻域信息,而架构调整方法则融合层级信息丰富节点表征。图卷积神经网络层级特性实验表明,图结构中存在层级特性节点,现有图层级信息挖掘算法仍未对层级特性节点的...     

基于BTM图卷积网络的短文本分类方法

由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题.提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与异构图中的文档节点进行连接,最后利用图卷积网络来捕获文档、词与主题节点...     

洗牌交换置换网络SEP的一种新的路由算法

1引言与sEP网络的定义 众所周知,Cayley图和Cayley陪集图在计算机互连网络的设计与分析中起着重要的作用[1～3].例如:熟知的环(ring)网络,圆环面(torus)网络,超圆环面(super-torus)网络[7],星图(star graph)网络,超立方体网络(hypercube),立方体连接圈(cubeconnected cycles)网络[2]均可看作是Cayley图.而de Bruijn网络与洗牌交换网络[8]可作为Cayley陪集图的例子.     

关于煎饼网络及层次环煎饼网络的几个猜想

煎饼网络是由互连网络的群论模型设计出来的一类典型的超级计算机互连网络。关于煎饼网络师海忠提出了一个猜想-猜想1,但煎饼网络有一个弱点即结点度随着规模的增大而迅速增大,为了改进这一缺点师海忠提出了互连网络的层次环群论模型。在这篇文章中,首先,汪生龙给出了煎饼网络当n=5时的两种圈分解,其次师海忠提出了关于该网络的一个猜想-猜想2,当Cayley图层次环网络中的Cayley图取煎饼网络时得到煎饼层次环网络的猜想-猜想2/,进而汪生龙证明了猜想2/在低维度情形下是正确的     

网络拓扑的超能整循环图构造

循环图是一类重要的网络拓扑结构图,在并行计算和分布计算中发挥重要作用。图[G]的能量[E(G)]定义为图的特征值的绝对值之和。具有[n]个顶点的图[G]称为超能图如果图[G]的能量[E(G)>2n-2]。一个图称为循环图,若它是循环群上的Cayley图,即它的邻接矩阵是一个循环矩阵;整循环图是指循环图的特征值全为整数。借助Ramanujans和,利用Euler函数和Mobius函数,讨论了整循环图的超能性。利用Cartesian积图给出了一个构造超能整循环图的方法。     

结合图卷积的深层神经网络用于文本分类

随着图卷积网络的发展,图卷积网络已经应用到很多任务中,其中就包含文本分类任务.通过将文本数据表示成图数据,进而在图上应用图卷积,从而捕获文本的结构信息和单词间的长距离依赖关系获得了良好的分类效果.但将文本建模成图模型后,图卷积网络面临着文本上下文语义信息和局部特征信息表示不充分的问题.提出一种新的模型,利用双向长短时记...     

从图卷积网络到图散射网络：回顾与展望

在图像与图形处理中,非欧氏空间数据与传统欧氏空间数据共同构成了数据的不同表达形式。随着面向图像、音频等传统信号的处理技术已经发展了数十年并趋于成熟,诸如图等非欧氏空间数据的兴起,对非欧氏空间的数据处理提取提出了更高的要求。图卷积网络的出现将面向传统信号的深度学习网络模型和卷积操作拓展到了图上,在一定程度上解决了学术界和工业界对图信号处理的需求。然而,空域特征聚合的图卷积网络容易产生过平滑问题。本文回顾了从图卷积网络到图散射网络的发展进程,分别梳理空域图卷积网络和谱域图卷积网络;并以图卷积网络为桥梁引出了图散射网络,比较和总结了图散射网络的前沿的理论和方法。传统的谱域图卷积网络虽然可以通过滤波器设计避免过平滑问题,但由于可训练参数较少、输出特征比较单一,往往存在表达能力不足的问题。图散射网络的提出很好地解决了图卷积网络中存在的问题。一方面,图散射变换将面向传统信号的散射变换操作拓展到图信号处理上,通过多尺度小波分解提取图信号的多分辨率特征,在保证网络稳定性的前提下解决了空域图卷积网络的特征过平滑问题;另一方面,相较于传统的谱域图卷积网络,图散射网络输出能够提取多尺度带通特征,增强模型的表...     

具有高对称性的小世界网络模型研究

在研究小世界网络和Cayley图的基础上,采用基于Cayley图的代数图论方法,给出一种具有高对称性的小世界网络模型,分析该模型的聚类系数和特征路径长度等小世界性质,给出其路由算法。分析结果表明,该模型聚类性高、网络直径小,具有小世界特性。     

RA-GCN：抑制过平滑现象的文本分类算法

现有大多数利用图神经网络的算法进行文本分类时,忽略了图神经网络的过度平滑问题和由于文本图拓扑差异引入的误差,导致文本分类的性能不佳。针对这一问题,提出了衡量多个文本图表示的平滑度方法WACD以及抑制过平滑现象的正则项RWACD。随后提出了基于注意力和残差的网络结构ARS,用于弥补由于图拓扑差异引起的文本信息的损失。最后,提出了图卷积神经网络文本分类算法RA-GCN。RA-GCN在图表示学习层使用ARS融合文本表示,在读出层使用RWACD抑制过平滑现象。在六个中英文数据集上进行实验,实验结果证明了RA-GCN的分类性能,并通过多个对比实验验证了RWACD和ARS的作用。     

基于深度BiLSTM和图卷积网络的方面级情感分析

现有方面级情感分析方法,存在无法获取最优文本表示和使用普通图卷积网络不能提取依存图中深层结构信息的问题。为此,提出了一种基于深度BiLSTM（DBiLSTM）和紧密连接的图卷积网络（DDGCN）模型。首先,通过DBiLSTM获取方面词与上下文单词间的深层语义信息;其次,在原始图卷积网络中加入紧密连接,以生成能提取深层结构信息的紧密图卷积网络;然后,利用改进后的图卷积网络捕获依存图上的结构信息;最终,将融合2种深层信息的文本表示用于情感分类。3个数据集上的实验结果表明,DDGCN模型相比对比模型在准确度和F1上均有提升。     

一类新的层次双环网络及其最优路由算法

用图的笛卡尔积Fm×Fm-1×…×F1×G构造一类新的层次双环网络,给出其最优路由算法。图G为Petersen图,Fi为特殊的无向双环网络。研究网络的一些基本性质,并与杜艳等构造的层次双环网络(计算机工程与应用,2010年,第34期)进行比较。分析结果表明,新构造的网络是一类接连度小、直径短,存在简单且路由算法最优的新型网络拓扑结构。     

面向方面级情感分析的加权依存树卷积网络

面向方面级情感分析,现有基于规则的依存树修剪方法存在删除部分有用信息的问题。另外,如何利用图卷积网络获取图结构中丰富的全局信息也是现阶段面临的一个重要问题。针对第一个问题,该文通过多头注意力机制自动学习如何有选择地关注对分类任务有用的结构信息,将原始依存树转变为完全连接的边加权图。针对第二个问题,该文将紧密连接引入图卷积网络中,使图卷积网络能够捕捉丰富的局部和全局信息。三个公开数据集上的实验结果表明,该文模型相比基线模型其准确率和F₁值均有提升。     

积件思想在《计算机应用基础》课程资源建设中的应用

随着人类社会的进步,学生要在课堂上学到的知识越来越多,多媒体课件的产生是教学效果和效率得到了大大的改善。但对于传统的课件,其对教学内容、知识的表达以及呈现方式有一定的固化作用。相对于传统的课件模式,积件式的网络教学平台克服了其在教学过程中思路封闭、形式固定等弊端,真正实现了以不变的积件式课件适应千变万化的课堂形式的"搭积木"的教学模式。该文研究了一种积件式教学资源平台,完全做到真正意义上的教学资源共享,从而可以制作出适应各种课堂教学需求的积件式课件,达到个性化教学的需要。     

基于改进归纳式图卷积网络的文本分类方法

针对图嵌入式文本分类方法在预测性能和归纳能力方面的缺陷，在文本图卷积网络(TextGCN)的基础上，进行适当改进。结合预测文本嵌入(PTE)的高效训练和归纳性，在各个网络层中使用不同的图；通过异质图卷积网络架构来学习特征嵌入，利用习得的特征进行归纳推理。实验结果表明，在大量训练样本标注的情况下，所提方法取得了与其它方法相当或稍优的性能。在少量训练样本标注的情况下，所提方法表现更优，性能增益范围为2%～7%,支持更快的训练和泛化性。     

若干多级互连网络的扩展Cayley图模型

使用群论中的半直积作为工具,将已有的若干构建互连网络的方法统一成一种Cayley图模型CSC（q,p,l,k）,使其具有更好的可扩展性。并证明了CSC（q,p,l,k）网络包括了若干重要的互连网络作为它的特殊情形,例如立方连通圈、星连通圈和最近提出并受到关注的k度Cayley图。提出该模型的意义在于为计算机系统的设计者们提供只需要选择合适的参数就可以确定自己需要的互连网络模型。其次,该模型也在一定程度上避免一些在互连网络构建方面的冗余研究工作。     

基于图卷积网络的行为识别方法综述

行为识别技术具有巨大的应用前景和潜在的经济价值,广泛应用于视频监控、视频检索、人机交互、公共安全等领域.图卷积网络表现出基于图数据的依赖关系进行建模的强大功能,成为行为识别领域的研究热点.基于此,主要概述基于图卷积网络的行为识别方法.图卷积网络主要有两大方法:基于频谱的方法和基于空间的方法.首先,从不同侧面分析两种方法...     

一种正则网络性能的评价方法

正则图是一种特殊构造的图,被广泛的使用于网络的拓扑结构的设计中,这种网络被称为正则网络。文章提出了一种正则网络性能评价方法,主要针对正则网络的可控制性和健壮性两个方面进行定性定量的评价,并根据上述方法设计了一个计算正则网络可控制性和健壮性的算法。最后举例说明了算法在正则网络评价中的应用。