基于图拉普拉斯算子的动态图学习
信号处理
2020-02-18 v1
摘要
本文旨在推断一组节点随时间变化的响应之全局(集体)模型，将其作为动态图，其中各节点的个体时间序列分别在该节点处观测到。本工作的动机在于寻找一个连接组模型，该模型能在观测到大脑不同区域以及可能的单个神经元的活动时，恰当地捕捉大脑功能。我们将该问题表述为在短时间区间上观测节点信号的二次目标泛函，并受反映图平滑性以及涉及底层图拉普拉斯算子的其他动力学、还有底层图时间演化平滑性的适当正则化约束。所得的联合优化通过连续松弛与一种引入的新型梯度投影格式求解。我们将算法应用于一个包含记录到的单个脑细胞活动的真实数据集。所得模型不仅可行，而且计算高效。
引用
@article{arxiv.2002.07044,
title = {Dynamic Graph Learning based on Graph Laplacian},
author = {Bo Jiang and Ashkan Panahi and Hamid Krim and Yiyi Yu and Spencer L. Smith},
journal= {arXiv preprint arXiv:2002.07044},
year = {2020}
}