热点事件持续更新
基于Yager规则的可微信任函数层神经网络架构获提出
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv发布研究提出了一种基于Yager规则的可微信任函数层神经网络架构。该研究利用Yager规则的双线性特性，消除了Dempster规则在反向传播过程中的梯度发散问题，从而避免了梯度不稳定。该架构仅凭硬标签进行训练，其输出的无知质量即可在视觉与语言模态中排定人类分歧；在CIFAR-10H争议图像上的空虚度达到了Dempster规则的9倍。此外，该模型在分布外检测任务中的表现媲美强单次前向基线。
AI 根据报道生成 · 6 小时前更新
最新进展10月23日 12:00
研究提出基于Yager规则的可微信任函数层神经网络，消除了反向传播中的梯度发散。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 人工智能具有可微信任函数层的神经网络
研究提出基于 Yager 规则的可微信任函数层神经网络，利用双线性特性消除了 Dempster 规则在反向传播中的梯度发散问题。该架构仅凭硬标签训练，输出的无知质量 m(\Theta) 即可在视觉与语言模态排定人类分歧，在 CIFAR-10H 争议图像上的空虚度达到 Dempster 的 9x。其在分布外检测中媲美强单次前向基线，且避免了梯度不稳定。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。