关于跳跃图的注记

证明若G是连通图,则J(G) G当且仅当G是C5或Cor(K3).通过引进边度概念,讨论连通图G的跳跃图J(G)是Hamilton图的一些充分条件.

跳跃图是H-图的一个充分条件

图G的跳跃图记作J(G) .若G是H 图且 p(G)≥ 7,q(G)≥ 2 p - 2 ,则J(G)是H 图 ,从而证明G .Chartrand等文中提出的猜想B是正确的 .

欧拉跳跃图

讨论欧拉跳跃图,给出一个图是欧拉图,其跳跃图J(G)是欧拉图的充要条件及一个连通图G=(p,q)的跳跃图J(G)是欧拉图的充要条件,即定理1:设G=(p,q)是欧拉图,则J(G)是欧拉图当且仅当q≥5为奇数.定理2:设G=(p,q)是连通图,则J(G)是欧拉图的充要条件是⑴q≥5是奇数且q>ζ+1,每点的度有相同的奇偶性;⑵q≥6是偶数且q>ζ+1,任意一边的两端点的度有相异的奇偶性.其中ζ=max{d|u|+d(v)|uv∈E(G)}.

改进的自适应深层图模型

图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生。为了解决这些限制,在图变换网络的基础上,提出了图跳跃知识转换网络深层图模型,该网络自适应地识别原始图上节点之间潜在的深层连接,同时以端到端的方式学习新图上有效的节点表示。为了适应局部邻域属性和任务,在跳跃知识转换层学习了边类型和复合关系的软选择,以生成有用的多跳连接,灵活利用每个节点不同的邻域范围来实现更好的结构感知表示,从而学习高阶语义信息。图跳跃知识转换网络模型可以与最先进的同构图模型进行结合,在性能上得到了很大的提升。

跳跃型胎心监护图22例临床分析

随着产科质量的不断提高及产前、产时诊断技术的不断创新，为孕妇选择一个合理的分娩方式可以有效地降低围产儿死亡率。我院自2002年1月至2004年1月，通过使用远程胎心监护仪，对孕妇进行产前、产时胎心监护，发现其中22例为跳跃型图，现结合临床进行分析，总结如下。