− | 针对一个含有𝑛个节点的网络,定义一个分组矩阵M∈R^n×k,其中<math>v_i\in v_{\mu}</math>m_iμ=Pr(v_i∈v_μ),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>v_i\in v_{\mu}</math>m_iμ=Pr(v_i∈v_μ),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。 |