graph_degree_preserving_shuffle — CONNGRAPH `construct` op

• データ種: conn_graph → conn_graph

• 呼び出し: import fullseye as fs; fs.ledger.graph_degree_preserving_shuffle(W: 'Any', n_swaps: 'int | None' = None, seed: 'int' = 0) -> 'np.ndarray' (実装を直接呼ぶなら import conngraph; conngraph.graph_degree_preserving_shuffle(W: 'Any', n_swaps: 'int | None' = None, seed: 'int' = 0) -> 'np.ndarray'、台帳から引くなら opsconngraph.get("graph_degree_preserving_shuffle"))

使い方

次数保存シャッフル(帰無モデル): 各ノードの入次数・出次数と重みの多重集合を保って辺を繋ぎ替える。

有向 double-edge swap(Maslov & Sneppen 2002): 辺 (a→b, w1) と (c→d, w2) を

(a→d, w1) と (c→b, w2) に替える。自己結合と重複辺を作る組は捨てる。

`n_swaps` の既定は 10 × 辺数。二値構造の次数を保つ(重みは辺に付いて

移動するので strength は変わりうる)。対角(自己結合)は動かさずそのまま残す。

辺が 2 本未満なら複製を返す。

詳しい使い方ガイド

• conngraph ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_larval_connectome_reservoir — py -3.11 examples/poc_larval_connectome_reservoir.py

• poc_malecns_activity_wave — py -3.11 examples/poc_malecns_activity_wave.py

• poc_microns_brain_wave — py -3.11 examples/poc_microns_brain_wave.py

型が繋がる次の op(`conn_graph` を入力に取れる)

graph_binarize · graph_degree_table · graph_clustering_coefficient · graph_betweenness · graph_laplacian_spectrum · graph_spectral_radius · graph_components · graph_modularity

同カテゴリ(`construct`)

graph_from_synapses · graph_binarize

*Provenance: conngraph.py — CONNGRAPH operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

graph_degree_preserving_shuffle — CONNGRAPH construct op

使い方