实体
CGRL
CGRL
PulseAugur coverage of CGRL — every cluster mentioning CGRL across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
时间线
- 2026-08-11 research_milestone Researchers published a paper introducing CGRL, a framework to improve out-of-distribution generalization for Graph Neural Networks. 来源
最近 · 第 1/1 页 · 共 2 条
-
新的CGRL框架增强图神经网络泛化能力
研究人员开发了一个名为因果引导表示学习（CGRL）的新框架，以提高图神经网络（GNNs）的分布外（OOD）泛化能力。CGRL通过拟合噪声而非因果机制来解决GNNs在分布变化时遇到的问题，导致表示不稳定。该框架包括一个重新加权的表示学习模块以抑制噪声，以及一个用于鲁棒泛化的优化策略，在基准数据集上表现出改进的性能并减轻了训练不稳定性。
-
新的CGRL框架增强了病理学中的全切片图像分类
研究人员开发了一个名为CGRL的新框架，用于改进计算病理学中的全切片图像分类。该方法使用从疾病提示派生的类别级概念原型来指导过程。CGRL首先通过对其与概念的相似性进行排名来修剪图像块，仅保留最相关的图像块进行分析。然后，它采用概念引导的对比表示学习来优化图像块嵌入，从而提高准确性并降低计算成本。