基于张量自适应非负隐特征分析的动态网络表示模型

最新推荐文章于 2025-06-13 10:17:23 发布

梅夫人

最新推荐文章于 2025-06-13 10:17:23 发布

阅读量694

点赞数

文章标签：人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_44278921/article/details/128123203

版权

本文介绍了一种利用非负张量分解的动态表示学习方法，针对以太坊交易网络进行未来交易预测。通过张量对时间序列数据建模，解决了矩阵分解中时间信息缺失的问题，并采用粒子群算法优化参数调优。实验中，使用支持向量机进行链接预测，以解决数据不平衡导致的挑战。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章：Dynamical Representation Learning for Ethereum Transaction Network via Non-negative Adaptive Latent Factorization of Tensors

IEEE链接：Dynamical Representation Learning for Ethereum Transaction Network via Non-negative Adaptive Latent Factorization of Tensors | IEEE Conference Publication | IEEE Xploreghttps://ieeexplore.ieee.org/document/9736256

目的：预测以太坊交易链接

方法：非负张量分解

这篇文章是我自己写的，写得很菜，只是记录一下自己当时的思路，如

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。