研究人员提出归纳图局部保形预测框架GLocalCP
Start here
2026年11月4日，研究人员在arXiv发布关于归纳图保形预测的研究，提出在线保形预测框架GLocalCP。该框架适用于归纳式节点分类和边预测，通过结合边际与图局部校准来生成不确定性自适应预测集。在理论保证方面，GLocalCP在无需可交换性或平稳性假设的前提下，建立了O(N^{-1/2})的边际与图局部校准误差界。实验结果表明，在各7个节点分类与边预测基准测试中，该框架在维持目标覆盖率的同时降低了局部校准误差，并缩减了预测集的大小。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习归纳图上保形预测的图局部覆盖
研究人员提出在线保形预测框架 GLocalCP，用于归纳式节点分类和边预测，结合边际与图局部校准生成不确定性自适应预测集。该框架在无需可交换性或平稳性假设下，建立了 $O(N^{-1/2})$ 边际与图局部校准误差理论保证。在各 7 个节点分类与边预测基准测试中，GLocalCP 在维持目标覆盖率的同时降低了局部校准误差并缩减了预测集大小。
Story heat trend
Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.