PulseAugur
中
实时 10:58:45
English(EN) Towards Trustworthy Hypergraph Neural Networks under Label Noise

新的HyperTrust框架增强HGNNs应对标签噪声

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为HyperTrust的新型框架，旨在提高超图神经网络（HGNNs）在处理带噪声标签数据时的可信度。该框架通过开发估计超边可信度的方法来解决HGNNs对标签噪声的脆弱性，然后利用这些估计来增强可靠监督或修剪噪声连接。大量的实验和理论分析已验证了HyperTrust在各种超图数据集和噪声水平下的有效性和鲁棒性。 AI

影响 引入了一种在数据不完美的情况下提高超图神经网络在现实世界场景中可靠性的方法。

排序理由 这是一篇研究论文，详细介绍了一种用于超图神经网络的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的HyperTrust框架增强HGNNs应对标签噪声

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mengyao Zhou, Zhiheng Zhou, Xiao Han, Guiying Yan ·

    面向标签噪声下的可信赖超图神经网络

    arXiv:2608.04377v1 Announce Type: cross Abstract: Hypergraph neural networks (HGNNs) have demonstrated remarkable capabilities in processing complex higher-order relationships. However, their performance is highly dependent on labeled data, making them vulnerable to label noise. …

相关实体

相关话题