graph_block_shuffle — CONNGRAPH `dimension` op

• データ種: conn_graph × labels → conn_graph

• 呼び出し: import fullseye as fs; fs.ledger.graph_block_shuffle(W: 'Any', labels: 'Any', seed: 'int' = 0) -> 'np.ndarray' (実装を直接呼ぶなら import conngraph; conngraph.graph_block_shuffle(W: 'Any', labels: 'Any', seed: 'int' = 0) -> 'np.ndarray'、台帳から引くなら opsconngraph.get("graph_block_shuffle"))

使い方

層(ラベル)のブロックごとに送り手を混ぜた対照の `conn_graph`: 各受け手が受ける重みの多重集合と

層間の総結線量は保ったまま、「誰から」だけを壊す。

`graph_degree_preserving_shuffle` が全体の次数列を保つのに対し、こちらは層構造を保つ(脳 → 首 → 腹髄 →

筋のブロックは動かさず、ブロックの中で行を並べ替える)。層の大きさと収束(fan-in)の効果を残して

「配線の特異性」だけを消した対照として使う。同じ `seed` で再現。

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_connectome_motor_bottleneck — py -3.11 examples/poc_connectome_motor_bottleneck.py

型が繋がる次の op(`conn_graph` を入力に取れる)

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

同カテゴリ(`dimension`)

graph_layer_propagate · states_participation_ratio · states_layer_dimension

*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_block_shuffle — CONNGRAPH dimension op

使い方