图嵌入/梯度/Network Diffusion Model (NDM)

因为这些建模方法的数学原理比较类似，故在此做记录。

Grajient： Margulies et al. 梯度是近些年热门的方向

Network Diffusion Model (NDM)： 发表在Neuron上的原始文章 Raj et al.，学习它是因为看到近期发表在Brain上的文章 Agosta et al.

后面的探讨基于脑网络，比如梯度一般用来分析fMRI，分析各个node之间相似性的特征（浅薄的理解）。

拉普拉斯特征映射（Laplacian Eigenmaps，LE）

实现对高维数据的降维。脑网络是非常高维的（比如n个脑区，对于每个脑区就有n-1个特征来描述这个脑区），LE可以将其降维，比如文献中会展示在Gradient 1和Gradient 2的位置。