Mostafa Haghir Chehreghani
PulseAugur coverage of Mostafa Haghir Chehreghani — every cluster mentioning Mostafa Haghir Chehreghani across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新分析保证了具有高斯扰动的 GNN 中的节点分离
研究人员开发了一种用于包含持久高斯扰动的循环图神经网络 (GNN) 的有限时间分析。该分析为任何两个节点表示在每个正时间步长的预期平方距离提供了 \(2\sigma^2 d\) 的通用下界，其中 \(d\) 是表示维度，\(\sigma\) 是噪声标准差。这些发现提供了动态感知界限和对节点级表示分离的严格保证，是对现有渐近能量分析的补充。
-
高斯扰动可防止循环GNN中的过平滑
研究人员开发了一种使用持久高斯扰动来对抗循环图神经网络（GNN）中过平滑的新颖方法。该技术在每次传播步骤后注入独立的斯诺伊噪声，将GNN转变为随机动力系统。分析表明，该方法保证节点表示不会崩溃到低维子空间，从而防止渐近过平滑并保持表示多样性。
-
AI研究致力于解决评估可复现性和心理健康诊断问题
近期arXiv上的两篇论文探讨了AI评估和应用中的关键挑战。一篇论文提出了一种多层次标注者建模方法，以提高AI评估的可复现性，解决了人类标注中存在的不同偏见问题。第二篇论文全面回顾了用于检测和诊断抑郁症的AI方法，重点介绍了数据模态、模型类别以及可解释性和公平性日益增长的重要性。
-
新的PBiLoss方法提高了图推荐系统的公平性
研究人员开发了一种新的正则化技术PBiLoss，以解决图推荐系统中的流行度偏差问题。该方法旨在通过惩罚过度推荐热门商品来提高公平性，从而促进更个性化的内容。PBiLoss被设计为模型无关的，可以集成到现有的框架中，如LightGCN。实验表明，在保持推荐准确性的同时，流行度偏差指标降低了高达10%。