实体
Predictability-Computability-Stability (PCS) framework
Predictability-Computability-Stability (PCS) framework
PulseAugur coverage of Predictability-Computability-Stability (PCS) framework — every cluster mentioning Predictability-Computability-Stability (PCS) framework 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
-
新的机器学习方法NESS改进单细胞数据分析
研究人员开发了NESS，一种旨在改进单细胞数据表示的新机器学习方法。该方法建立在可预测性-可计算性-稳定性（PCS）框架之上，以解决现有邻域嵌入算法（如t-SNE和UMAP）的局限性，这些算法可能引入失真和伪影。NESS旨在提供更稳定、更具可解释性的嵌入，从而能够从嘈杂的高维单细胞测序数据中稳健地推断出平滑的生物结构和发育轨迹。
-
新的CLEAR方法通过平衡风险来改进AI不确定性量化
研究人员推出了一种新颖的校准方法CLEAR，旨在通过解决回归任务中的偶然不确定性和认知不确定性来改进预测区间覆盖率。该方法利用两个独立的参数（γ1和γ2）来平衡这些不确定性组成部分。CLEAR具有通用性，可以与各种估计器集成，例如用于偶然不确定性的分位数回归，以及用于认知不确定性的深度集成或来自可预测性-可计算性-稳定性（PCS）框架的方法。在17个不同的数据集上，CLEAR在保持标称覆盖率的同时，在区间宽度方面比单独的基线校准平均提…