跳到正文
热点事件持续更新

Transductive Sharpening 论文发布

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Brown Zaz 等研究人员提出 Transductive Sharpening 方法,利用无标签节点的预测熵提取训练信号,无需修改骨干架构即可提升图节点分类性能。

AI 根据报道生成 · 5 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月19日
  1. arXiv · ML
    Transductive Sharpening:利用无标签预测改进图节点分类

    Transductive Sharpening 通过最小化无标签节点的预测熵提取训练信号,无需修改骨干架构即可提升图节点分类性能。 该方法将交叉熵分解为标签依赖对齐项与标签无关熵项,在标节点上平衡置信度影响,并在多个基准上实现一致性能提升,代码已开源。

本事件热度走势

可比范围当前
8
可比范围峰值
910月19日 15:00
近 24 小时变化
–

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。