研究人员开发了一个名为 MS-WDRO 的新颖框架，用于从多个异构数据源学习图结构。该方法利用 Wasserstein 度量来融合不同的数据集，通过计算加权 Wasserstein 重心，在保留每个源的内在几何结构的同时对残余不确定性进行对冲。该框架使用交替方向乘子法 (ADMM) 方案进行优化，并包含一个用于数据自适应超参数校准的可微分架构。在合成数据和 ABIDE I 神经影像数据集上的实验表明，MS-WDRO 在图恢复、样本效率和下游诊断任务方面优于现有方法，尤其是在数据稀缺的情况下。 AI
影响 该框架可以提高在数据有限或多样化的领域（如神经影像学）中的图学习准确性和效率。
排序理由 该集群包含一篇详细介绍新机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
