arXiv 机器学习· Chenyi Huang·· 19 時間前AI スコア27
用于校准图神经网络与点云分割的可解释结构温度缩放（ISTS）
Interpretable structural temperature scaling for calibrating graph neural networks and point-cloud segmentation
未翻訳のため中国語で表示しています。
AI ガイド
研究者提出用于校准图神经网络的可解释结构温度缩放（ISTS），通过 12 参数线性模型依据节点置信度和邻域等特征设定专属温度。在 7 个图数据集与 11 种基准对比中，ISTS 在负对数似然（NLL）和 Brier 分数上获最佳平均排名，相对温度缩放降低 1.8% NLL。该方法在点云分割任务中同样显著改善了 NLL 和 Brier 分数。
出典：arXiv 机器学习 · arxiv.org