BriefGPT - AI 论文速递
·
网络推理和影响估计的可扩展连续时间扩散框架
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文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。实证研究表明，该方法在准确性和效率方面优于现有方法。
🎯
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。
- 实证研究表明该方法在准确性和效率方面优于现有方法。
➡️
