基于部分已知网络输入输出对的贝叶斯拓扑推断

我们提出了一种采样算法，用于从一组输入输出图信号对中执行系统辨识。我们所研究系统的动态由部分已知的邻接矩阵和参数未知的一般参数化图滤波器给出。我们采用的方法建立在退火朗之万扩散原理之上。这使我们能够从后验分布中采样，而非遵循使用最大似然进行点估计的经典方法。我们研究了如何通过图神经网络利用不同规模图的数据集所固有的先验信息。我们通过涉及真实世界和合成网络的数值实验证明，将先验知识整合到估计过程中可提升估计性能。