持久三态消息传递

基于摘要分析。本文研究随机消息传递中，边角色跨层保持不变或逐层重新采样，如何影响节点状态、自适应权重及最终预测。作者提出 Persistent Tri-State Message Passing（P3MP），将持久的加性、减性和非激活边角色，与根据各采样实例的边端点状态计算的权重结合。 机制上，早期采样的边角色会改变后续层用于计算权重的节点状态，因此权重平均并不独立于角色的跨层采样方式。作者在两层情形下区分目标节点状态反馈与权重—源节点状态协方差，并推导局部权重和共享权重的预激活值排序发生反转的条件。作者报告，对 K 个采样实例，共享权重保留反馈的 1/K；当评分函数仅依赖源节点时，所分析的交互项为零。摘要未提供具体评分函数或反转条件的完整表达式，尚需正文核对。 验证方面，作者通过在采样实例之间置换完整权重向量，在保持权重经验分布的同时量化角色—状态依赖。作者报告，精确枚举与仅使用特征的模型检查点测量均符合解析预测；在独立训练的仅使用特征模型中，角色跨层持续时，局部权重获得更高 Accuracy 和更低负对数似然，而逐层重新采样时，共享权重获得更高 Accuracy 和更低损失。作者报告，去重后的 Chameleon 和 Squirrel 上也保持相同的 Accuracy 排序。摘要未给出具体数值、数据划分或统计不确定性，实验协议、消融及统计信息尚未验证。摘要提供了实现与比较方法的入口，但其内容及复现完整性尚未核验。 平台推测（待验证）：若 EEG 方法将通道构造成图，并采用随机边角色与依赖端点状态的自适应权重，该机制可能帮助检验权重平均是否改变跨层反馈；这是假设，不是已证实的 BCI 效果。可复用的是角色持续／重采样及权重置换对照，需改造的是 EEG 图构建与评分函数。低信噪比、跨被试差异、通道变化和小数据可能使状态依赖不稳定。一个小规模检验是在固定 EEG 划分、图结构与训练预算下，交叉比较两种角色采样方式和两种权重方式，并测量置换前后的预测变化。已有 EEG 相关工作尚未检索确认。