热点事件持续更新
研究团队提出动态数据驱动图学习框架B-EAGLe
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究团队在arXiv发布论文，提出面向动态数据驱动应用系统（DDDAS）的概率框架B-EAGLe。该框架受CBGT-Net启发，将图分类任务重构为序列证据累积过程，通过结合GNN编码器与贝叶斯累加器逐步更新类别后验概率，仅在累积达到足够置信度时做出决策。在CIFAR10数据集上的实验结果显示，该框架在序列观测条件下兼具竞争力的分类表现与规范的置信度估计能力。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究团队提出图学习框架B-EAGLe，CIFAR10实验验证其兼具良好表现与置信度估计能力。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习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
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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28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。