标签
本文提出了一种受物理学启发的框架，用于网络物理物联网系统中的结构归因。该框架采用基于无向能量的表示方法，无需有向因果图即可提供考虑依赖关系的解释。在工业物联网测试平台上的实验表明，与现有基于图的方法相比，该框架在归因准确性、鲁棒性和可扩展性方面均表现更优。
Controlled Dynamics Attractor Transformer (CDAT) 结合了混合 von Mises-Fisher 注意力能量与 Hopfield 精炼能量，并加入了受 CANN 启发的兴奋-抑制调制，提供了拓扑约束的动力学系统以实现稳定推理。它在图异常检测和图分类基准上取得了最先进的性能。
本文提出了一种新的用于线性逆问题的基于能量的模型，该模型学习归一化后验密度，克服了扩散模型的局限性。它实现了无偏采样、自适应采样和盲退化估计，在ImageNet、CelebA和AFHQ上具有竞争力的性能。