未知流形上潜结构网络中的半监督回归
机器学习
2024-05-08 v1 机器学习
摘要
随机图正日益成为广泛应用中网络建模的关注对象。潜位置随机图模型假设每个节点关联一个潜位置向量，且这些向量在潜空间中遵循某种几何结构。在本文中，我们考虑随机点积图，其中两个节点之间以由其各自潜位置的内积给出的概率形成边。我们假设潜位置向量位于未知一维曲线上，并通过回归模型与响应协变量耦合。利用底层潜位置向量的几何结构，我们提出了一种流形学习与图嵌入技术，以预测样本外节点上的响应变量，并建立了这些响应的收敛性保证。我们的理论结果得到了仿真和对果蝇脑数据应用的支撑。
引用
@article{arxiv.2305.02473,
title = {Semisupervised regression in latent structure networks on unknown manifolds},
author = {Aranyak Acharyya and Joshua Agterberg and Michael W. Trosset and Youngser Park and Carey E. Priebe},
journal= {arXiv preprint arXiv:2305.02473},
year = {2024}
}