graph_degree_preserving_shuffle — CONNGRAPH `construct` op

• 데이터 종류: conn_graph → conn_graph

• 호출: import fullseye as fs; fs.ledger.graph_degree_preserving_shuffle(W: 'Any', n_swaps: 'int | None' = None, seed: 'int' = 0) -> 'np.ndarray'(구현을 직접 호출하려면 import conngraph; conngraph.graph_degree_preserving_shuffle(W: 'Any', n_swaps: 'int | None' = None, seed: 'int' = 0) -> 'np.ndarray', 원장에서 가져오려면 opsconngraph.get("graph_degree_preserving_shuffle"))

사용법

> 이 연산자의 설명은 아직 번역이 없습니다. 원문을 그대로 싣습니다.

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。

자세한 사용 가이드

• conngraph 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• 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

타입이 이어지는 다음 연산자(`conn_graph` 를 입력으로 받는 것)

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

같은 카테고리(`construct`)

graph_from_synapses · graph_binarize

*Provenance: conngraph.py — CONNGRAPH 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

graph_degree_preserving_shuffle — CONNGRAPH construct op

사용법