Convergence guarantees for response prediction for latent structure network time series
潜在结构网络时间序列响应预测的收敛保证AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究多层随机网络时间序列的潜在结构及响应预测，应用为生物网络。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
潜在结构网络时间序列响应预测的收敛保证
- 研究问题
- 当只有部分网络时间序列带有响应标签时，如何利用未知的低维潜在结构，一致地预测未标记序列对应的响应？
- 方法与思路
- 作者把每个序列表示为共享节点的多层随机网络，利用原始应力嵌入提取潜在低维结构，并据此开展半监督响应预测。
- 材料陈述的贡献
- 摘要称方法具有理论收敛保证，并以数值结果支持理论；作者还将其用于果蝇幼虫生物学习回路的实际分析。
- 阅读关注点
- 应核对随机网络及低维结构假设、节点数增长与标签数量的关系，以及嵌入误差如何传递到最终响应预测中。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明具体收敛速率和网络依赖条件，也未研究经济网络溢出。
原文摘要
In this article, we propose a technique to predict the response associated with an unlabeled time series of networks in a semisupervised setting. Our model involves a collection of time series of random networks of growing size, where some of the time series are associated with responses. Assuming that the collection of time series admits an unknown lower dimensional structure, our method exploits the underlying structure to consistently predict responses at the unlabeled time series of networks. Each time series represents a multilayer network on a common set of nodes, and raw stress embedding, a popular dimensionality reduction tool, is used for capturing the unknown latent low dimensional structure. Apart from establishing theoretical convergence guarantees and supporting them with numerical results, we demonstrate the use of our method in the analysis of real-world biological learning circuits of larval Drosophila.