ホットトピック継続更新中
研究者提出用于GNN校准的ISTS方法
1 件の報道1 件の報道元17 時間前 更新
まずこの件を把握する
AI 概要
2026年11月，研究者在arXiv发表论文，提出用于校准图神经网络（GNN）的可解释结构温度缩放（ISTS）方法。该方法采用一个12参数线性模型，依据节点置信度和邻域等特征为各节点设定专属温度。在7个图数据集及与11种基准方法的对比实验中，ISTS在负对数似然（NLL）和Brier分数指标上均获得最佳平均排名，相较于传统温度缩放方法降低了1.8%的NLL。此外，该方法在点云分割任务中同样显著改善了NLL和Brier分数。
AI が報道をもとに生成 · 13 時間前 更新
最新の進展11月3日 13:00
研究者提出用于校准GNN和点云分割的ISTS方法，在NLL和Brier分数上取得最佳平均排名。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3日
- arXiv 机器学习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）
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。
このストーリーのホット度の推移
現在のホット度 6·比較可能範囲のピーク 9（11月3日 17:00）·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。