热点事件持续更新
ACPNN：图像回归模型的自适应保形预测方法
1 篇报道1 个报道来源12 小时前更新
先了解这件事
报道摘要
研究者提出 ACPNN（Adaptive Conformal Prediction using Nearest Neighbors），一种面向图像回归的输入自适应保形预测框架，利用邻近样本信息生成局部自适应不确定性估计并保持低计算成本。其邻域结构由带 ARD 核的高斯过程学习缩放距离度量来定义。在用于模拟惯性约束聚变（ICF）的扩散模型上，ACPNN 实现了可靠且自适应的不确定性量化。
摘自 arXiv：cs.LG（机器学习，全量分类）
报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）ACPNN：面向图像回归模型的自适应保形预测及其在惯性约束聚变模拟器上的应用
研究者提出 ACPNN（Adaptive Conformal Prediction using Nearest Neighbors），一种面向图像回归的输入自适应保形预测框架，利用邻近样本信息生成局部自适应不确定性估计并保持低计算成本。其邻域结构由带 ARD 核的高斯过程学习缩放距离度量来定义。在用于模拟惯性约束聚变（ICF）的扩散模型上，ACPNN 实现了可靠且自适应的不确定性量化。
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。