BriefGPT - AI 论文速递
·
通过神经场在相互作用的动力系统中发现潜在场
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
提出了一种基于神经平均场动力学的新型学习框架，用于解决网络扩散的推理和估计问题。该框架可用于联合学习扩散网络的结构和感染概率的演化，具有多样性和鲁棒性，可以在合成数据和真实世界数据上显著优于现有方法的准确性和效率。
🎯
关键要点
- 提出了一种基于神经平均场动力学的新型学习框架。
- 该框架用于解决网络扩散的推理和估计问题。
- 利用 Mori-Zwanzig 形式主义从节点感染概率的精确演化获得。
- 形成一个高度结构化和可解释的 RNN。
- 可用于联合学习扩散网络的结构和感染概率的演化。
- 该框架是影响最大化等重要下游应用的基石。
- 建立了参数学习和最优控制之间的联系。
- 实证研究表明方法具有多样性和鲁棒性。
- 在合成数据和真实世界数据上显著优于现有方法的准确性和效率。
➡️
