ホットトピック継続更新中
研究人员提出归纳图局部保形预测框架GLocalCP
1 件の報道1 件の報道元7 時間前 更新
まずこの件を把握する
AI 概要
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 が報道をもとに生成 · 6 時間前 更新
最新の進展11月4日 13:00
研究人员提出用于归纳图的在线保形预测框架GLocalCP，可降低局部误差并缩减预测集。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月4日
- 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。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月4日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。