GATTA框架通过测试时增强提升主动学习能力

研究人员推出GATTA，一个利用测试时增强（TTA）来改进图结构数据上主动学习的新型框架。GATTA聚合来自多个增强视图的预测，以增强不确定性估计，这是主动学习中的一个关键因素。该框架包含一个过滤不可靠增强视图的机制，以确保标签的保留。GATTA已在各种图数据集和GNN架构上证明了其有效性，表明简单的基于不确定性的方法与TTA结合后，可以实现与更复杂方法相媲美的性能，同时降低计算开销。 AI

影响 提高了图结构数据上主动学习的效率，可能降低从业者的计算成本。

排序理由 该集群包含一篇详细介绍主动学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• computer vision
• GATTA
• GNN architectures
• Graph Active Learning
• graph-structured data
• information entropy
• Least Confidence
• MC Dropout

• 论文
• 模型发布

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