في عصر الذكاء الاصطناعي، تلعب [شبكات الاستشعار](/tag/[شبكات](/tag/شبكات)-[الاستشعار](/tag/الاستشعار)) دورًا حيويًا في [إدارة](/tag/إدارة) [البنية التحتية](/tag/البنية-التحتية) الحديثة، لكن غالبًا ما تواجه هذه [الشبكات](/tag/الشبكات) مشكلة فقدان [البيانات](/tag/البيانات) التي لا تتوافق مع الأنماط العشوائية التي تفترضها [المعايير](/tag/المعايير) التقليدية لإعادة الإعمار. فقد تذهب [أجهزة](/tag/أجهزة) [الاستشعار](/tag/الاستشعار) في المواقع إلى حالة عدم الاتصال أثناء المعايرة، وقد تتعرض وحدات [القياس](/tag/القياس) القريبة للانقطاع، مما يؤدي إلى نقص في [البيانات](/tag/البيانات).

تمثل هذه الفجوات الهيكلية تحديًا، حيث يجب النظر إلى القيم المفقودة من منظور [العلاقات](/tag/العلاقات) المعقدة بين مجموعات [الاستشعار](/tag/الاستشعار) وليس فقط بناءً على القرب بين [الأجهزة](/tag/الأجهزة). هنا تأتي [تقنية](/tag/تقنية) Multi-[Scale](/tag/scale) Hypergraph Laplacians (MSHL) لتقديم حل مبتكر. يتضمن الإطار المكون من مرحلتين:

- **مرحلة الاكتشاف**، حيث يتم [بناء](/tag/بناء) [رسم بياني](/tag/رسم-بياني) متعدّد المقاييس باستخدام أدلة من [الطوبولوجيا](/tag/الطوبولوجيا) والتفاوت المتبقي، مع اختيار يعتمد فقط على الملاحظات ويكيّف مع نطاق [التفاعل](/tag/التفاعل) المدعوم.
- **مرحلة التكرير**، التي تضيف شبكة شرطية صغيرة تتعلق بالرسم البياني، حيث تتعلم التصحيحات غير الخطية في حالة وجود [ميزات](/tag/ميزات) متبقية مفيدة، أو تعود إلى التقدير الخطي في عكس ذلك.

ثبت أن MSHL يمثل أنماط حفظ [المجموعات](/tag/المجموعات) التي لا يمكن الوصول إليها من خلال [النماذج](/tag/النماذج) الثنائية، ويتكيف مع أفضل [مقاييس](/tag/مقاييس) ثابتة حتى عامل لوغاريتمي. كما يضمن [تحسين أداء](/tag/[تحسين](/tag/تحسين)-[أداء](/tag/أداء)) الفحص الإحصائي في [البيانات](/tag/البيانات) غير المكتملة.

من خلال اختبار هذه [التقنية](/tag/التقنية) على [شبكات](/tag/شبكات) مرورية حقيقية، تم [تحسين النتائج](/tag/[تحسين](/tag/تحسين)-النتائج) بشكل كبير مقارنةً بأساليب [التحليل](/tag/التحليل) التقليدية عندما تتواجد هيكلية أعلى من العلاقات، مما يشير إلى مبدأ أوسع لتعلم [البنية التحتية](/tag/البنية-التحتية) الموثوقة: يجب اعتبار [البيانات المفقودة](/tag/[البيانات](/tag/البيانات)-المفقودة) كنقاط حيوية للكشف عن الهياكل، بدلاً من التعامل معها كألوان عشوائية تحتاج إلى ملء.