212
个编辑
更改
跳到导航
跳到搜索
第31行：
第31行： +
→机器学习方法
EI是不可微的，所以梯度下降法不能直接适用。
EI是不可微的，所以梯度下降法不能直接适用。
针对一个含有<math>𝑛</math>个节点的网络，定义一个分组矩阵<math>M\in R^{n×k}</math>，其中<math>m_{iμ}=Pr(v_i\in v_{\mu})</math>，表示微节点<math>v_i</math>属于宏观节点<math>v_{\mu}</math>的概率，然后根据微观网络和分组矩阵构建宏观网络，优化目标是最大化宏观网络的有效信息EI，使用带动量的梯度下降方法优化M。
针对一个含有<math>𝑛</math>个节点的网络，定义一个分组矩阵<math>M\in R^{n×k}</math>，其中<math>m_{iμ}=Pr(v_i\in v_{\mu})</math>，表示微节点<math>v_i</math>属于宏观节点<math>v_{\mu}</math>的概率，然后根据微观网络和分组矩阵构建宏观网络，优化目标是最大化宏观网络的有效信息EI，使用带动量的梯度下降方法优化M。
时间复杂度：<math>O(N^3)</math>
时间复杂度：<math>O(N^3)</math>