arXiv 机器学习· Moises Ponce, Sarah Harkins Dayton, Ioannis Schizas, Vasileios Maroulas·· 6 小时前AI 评分32
面向动态数据驱动应用系统的图学习贝叶斯证据累积框架 B-EAGLe
Bayesian Evidence Accumulation for Graph-Based Learning in Dynamic Data-Driven Applications Systems
AI 导读
研究提出面向动态数据驱动应用系统（DDDAS）的概率框架 B-EAGLe，将图分类重构为序列证据累积过程。该框架受 CBGT-Net 启发，结合 GNN 编码器与贝叶斯累加器逐步更新类别后验，仅在达到足够置信度时做出决策。CIFAR10 实验表明，其在序列观测下兼具竞争力的表现与规范的置信度估计能力。
来源：arXiv 机器学习 · arxiv.org