实体
k-Nearest Neighbor graph
k-Nearest Neighbor graph
PulseAugur coverage of k-Nearest Neighbor graph — every cluster mentioning k-Nearest Neighbor graph across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的CuBAS框架使用信息几何进行自适应数据采样
研究人员开发了CuBAS（基于曲率的自适应采样），一种用于监督分类任务选择信息丰富数据点的新颖框架。该方法利用信息几何，将标记数据集视为统计流形，其中源自Fisher信息的局部曲率指示数据复杂度。CuBAS构建k近邻图并计算曲率得分，以识别几何复杂度高和低的区域，从而能够创建紧凑但信息丰富的训练子集。在众多基准数据集上的实证结果表明，CuBAS的性能始终优于随机采样和基于不确定性的方法，具有计算效率和理论基础。
-
利用邻近图增强的图神经网络用于沙尘排放预测
研究人员开发了一种新方法，通过整合邻近图来增强图神经网络（GNNs）在沙尘源排放预测中的应用。这些图，包括 Delaunay 三角剖分、Gabriel 图、k-最近邻图和 Yao 图，被用作 GraphSAGE、图卷积网络（GCNs）和图注意力网络（GATs）等各种 GNN 架构的输入。研究表明，使用邻近图的 GNN 在准确预测沙尘现象方面，其性能显著优于使用随机图的模型，并且也优于传统的长短期记忆（LSTM）模型。