实体
Spatial Temporal Graph Neural Networks for Decentralized Control of Robot Swarms
Spatial Temporal Graph Neural Networks for Decentralized Control of Robot Swarms
PulseAugur coverage of Spatial Temporal Graph Neural Networks for Decentralized Control of Robot Swarms — every cluster mentioning Spatial Temporal Graph Neural Networks for Decentralized Control of Robot Swarms 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
最近 · 第 1/1 页 · 共 2 条
-
NeuroGRIP框架通过医学知识增强了脑电图癫痫诊断
研究人员开发了NeuroGRIP，一个旨在提高脑电图（EEG）信号癫痫诊断的准确性和可解释性的新框架。该系统整合了外部医学知识，这些知识来源于临床指南并被构建成知识图谱，以细化由时空图神经网络（STGNNs）生成的噪声图。通过使用大型语言模型和检索增强推理，NeuroGRIP删除了医学上不可信的连接，并为预测的边分配置信度分数，从而将诊断建立在临床验证的信息基础上。
-
新的STOIC框架通过基础模型增强能源预测 · 跟踪2个来源
研究人员开发了STOIC，一个用于能源需求预测的新颖框架，该框架将时空图神经网络（STGNNs）与基础模型相结合。该方法旨在提供比传统的点预测更可靠的不确定性估计，这对于电网稳定性和运营规划至关重要。STOIC将预测残差重新格式化为表格形式，以便与基础模型进行上下文学习，从而无需重新训练即可进行校准，并有效捕获复杂时空依赖性。