STOIC：图能量时序不确定性校准框架
热点事件持续更新
STOIC：图能量时序不确定性校准框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Keivan Faghih Niresi、Alice Cicirello 与 Olga Fink 提出 STOIC，一种用于时空图神经网络（STGNN）点预测的事后残差校准框架：先用 STGNN 生成点预测，再把时空残差重构为表格表示，借助表格基础模型估计特征条件残差分位数，且无需针对任务重新训练校准模型。该工作已被 TMLR 接收。 作者称 STOIC 属受保形方法启发的残差校准，本身不提供任意时间依赖下的有限样本无分布覆盖保证。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
STOIC：基于上下文学习的图能量时间序列不确定性量化残差校准报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGSTOIC：基于上下文学习的图能量时间序列不确定性量化残差校准
针对时空图神经网络（STGNN）点预测缺乏可靠不确定性估计的问题，研究者提出 STOIC，一种基于上下文学习的保形启发式事后残差校准框架。STOIC 先用 STGNN 生成点预测，再将时空残差重构为表格表示，借助表格基础模型估计特征条件残差分位数，且无需针对任务重新训练校准模型。该工作已被 TMLR 接收，作者指出 STOIC 本身不提供任意时间依赖下的有限样本无分布覆盖保证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。