graph_block_shuffle — CONNGRAPH `dimension` op

• 데이터 종류: conn_graph × labels → conn_graph

• 호출: import fullseye as fs; fs.ledger.graph_block_shuffle(W: 'Any', labels: 'Any', seed: 'int' = 0) -> 'np.ndarray'(구현을 직접 호출하려면 import conngraph; conngraph.graph_block_shuffle(W: 'Any', labels: 'Any', seed: 'int' = 0) -> 'np.ndarray', 원장에서 가져오려면 opsconngraph.get("graph_block_shuffle"))

사용법

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

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。

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_connectome_motor_bottleneck — py -3.11 examples/poc_connectome_motor_bottleneck.py

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

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

같은 카테고리(`dimension`)

graph_layer_propagate · states_participation_ratio · states_layer_dimension

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

graph_block_shuffle — CONNGRAPH dimension op

사용법