min-plus代数低秩矩阵近似：一种揭示网络结构的新方法
Min-plus algebraic low rank matrix approximation: a new method for revealing structure in networks
AI总结：
本文提出min-plus低秩矩阵近似方法，通过使用min和plus运算代替传统矩阵乘法中的plus和times，能检测到不同于PCA等传统方法的网络结构特征。
摘要：
在本文中，我们介绍了min-plus低秩矩阵近似。通过在矩阵乘法中使用min和plus而非plus和times作为基本运算，min-plus低秩矩阵近似能够检测出不同于经典低秩近似技术如主成分分析（PCA）的特征性结构。我们还展示了如何将min-plus矩阵代数解释为图中的最短路径，并因此展示了min-plus低秩矩阵近似如何找到并表达网络中的主要结构。
英文摘要：
In this paper we introduce min-plus low rank matrix approximation. By using min and plus rather than plus and times as the basic operations in the matrix multiplication; min-plus low rank matrix approximation is able to detect characteristically different structures than classical low rank approximation techniques such as Principal Component Analysis (PCA). We also show how min-plus matrix algebra can be interpreted in terms of shortest paths through graphs, and consequently how min-plus low rank matrix approximation is able to find and express the predominant structure of a network.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
