graph_layer_propagate — CONNGRAPH `dimension` op

• 데이터 종류: conn_graph × labels × matrix → matrix

• 호출: import fullseye as fs; fs.ledger.graph_layer_propagate(W: 'Any', labels: 'Any', U: 'Any', activation: 'str' = 'kwta', active_frac: 'float' = 0.1, gain: 'float' = 1.0) -> 'np.ndarray'(구현을 직접 호출하려면 import conngraph; conngraph.graph_layer_propagate(W: 'Any', labels: 'Any', U: 'Any', activation: 'str' = 'kwta', active_frac: 'float' = 0.1, gain: 'float' = 1.0) -> 'np.ndarray', 원장에서 가져오려면 opsconngraph.get("graph_layer_propagate"))

사용법

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

層 0 の状態 `U (N, n_0) を、ブロック W[layer a → layer a+1]` で前向きに一段ずつ通した全層の状態

`(N, n)(matrix、列はノード順で層 0 の列は U` そのもの)。

受け手ごとに入力重みの和を 1 に正規化してから重みつき和を取り(層の大きさに依らない)、`activation` で

活性化する: `"linear" はそのまま(平均絶対値を gain に)、"tanh" は飽和、"kwta"` は各刺激で

入力が上位 `active_frac` の受け手だけが(閾値上の余剰で)発火し、平均が 1 になるよう正規化する。

層をまたぐ結線(層 a → a+2)と層内の再帰は使わない(前向きの一段ごとの写像だけを見る道具)。

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(`matrix` 를 입력으로 받는 것)

reservoir_states · reservoir_encode · ridge_readout · ridge_predict · graph_activation_latency · graph_activity_spread · points_activity_video · states_participation_ratio

같은 카테고리(`dimension`)

graph_block_shuffle · 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_layer_propagate — CONNGRAPH dimension op

사용법