具有固定维度潜在空间的图自编码器

基于摘要分析。本文研究如何将不同规模的图编码为固定维度向量，并通过解码恢复图结构，提出递归图自编码器 ReGAE。其主要贡献是以递归方式组合和分解子图嵌入，使潜在表示的维度不随图或子图规模变化。 机制上，编码器将子图嵌入逐步转换为更大子图的嵌入，最终形成输入图的向量表示；解码器执行相反过程。这里的固定维度指嵌入维度恒定，并不意味着计算量、存储需求或重构误差也与图规模无关。摘要未提供子图分解规则、图属性表示、损失函数，以及如何处理节点排列等细节，因此尚不能判断其对不同类型图的适用范围或是否具有严格的可逆性保证。 作者报告，仿真实验表明 ReGAE 能处理含数千个顶点的图，但摘要没有给出该结论对应的重构指标、数据划分、对照方法和计算开销，不能据此判断其无损恢复能力或相对性能。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其递归子图压缩机制可能适用于规模变化的 EEG 功能连接图，但原研究对象是一般图，并未提供 EEG 或 BCI 验证。若用于此类数据，可复用递归编码与解码思路，需进一步适配带权连接、通道对应及构图过程；低信噪比导致的边不稳定、跨被试连接差异和小样本训练可能使固定维度表示丢失任务相关信息。一个可检验的小实验是在同一 EEG 数据划分下，对不同通道子集构建的连接图评估重构误差与下游任务表现，并与固定维度图池化基线比较。已有 EEG 相关工作尚未检索确认。