Transductive Sharpening 论文发布
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
最新进展10月19日 12:00
Transductive Sharpening:利用无标签预测改进图节点分类报道时间线
沿着报道,了解事件的不同侧面。
10月19日
- arXiv · MLTransductive 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
- –
02.557.510
15:0016:0017:0018:0019:00
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。