Learning Higher-Order Structure from Incomplete Spatiotemporal Data: Multi-Scale Hypergraph Laplacians with Neural Refinement

En 3 lignesMulti-Scale Hypergraph Laplacians (MSHL) : framework en deux étapes pour imputer des données spatiotemporelles incomplètes de réseaux de capteurs. Découverte de structures d'ordre supérieur via hypergraphes multi-échelles, puis raffinement par réseau résiduel conditionné. Garanties théoriques et tests sur réseaux routiers réels avec pannes structurées.

Résumé généré par Claude — vérifié par l'humain