PulseAugur
中
实时 05:54:07
English(EN) AbstainGNN: Teaching Graph Neural Networks to Abstain for Graph Classification

新的GNN框架教会模型在预测不确定时弃权

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了AbstainGNN，一个旨在提高图神经网络（GNN）在图分类任务中可靠性的新框架。这种新颖的方法允许GNN在面对高度不确定性时放弃做出预测，这是安全关键应用的一个关键特性。AbstainGNN显式地建模预测和弃权函数，并从PAC-贝叶斯角度对错误和拒绝成本之间的权衡进行了理论表征。采用了高效的两阶段训练策略，实验表明其性能优于现有的弃权方法。 AI

影响 通过允许在预测不确定时弃权，提高了GNN在关键应用中的可靠性。

排序理由 该集群包含一篇关于图神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xixun Lin, Zhiheng Zhou, Zhengyin Zhang, Yancheng Chen, Shuai Zhang, Ge Zhang, Shichao Zhu, Lixin Zou, Chuan Zhou, Peng Zhang, Shirui Pan, Yanan Cao ·

    AbstainGNN：教会图神经网络在图分类任务中弃权

    arXiv:2605.30786v1 Announce Type: new Abstract: Graph classification is a core task in graph data mining with widespread real-world applications. Recent advances in graph neural networks (GNNs) have led to substantial performance improvements for graph classification. However, ex…

相关实体

相关话题