CF-SNN为单纯形复形预测提供多目标不确定性量化

Lekun Wang、Jaidev Goel、Yulia R. Gel 和 Yao Xie 提出共形化单纯形神经网络（CF-SNN），用于单纯形复形上的高阶关系数据预测，可同时为多个预测目标生成预测集，并量化预测结果的不确定性。 在温和假设下，CF-SNN 保证每个目标的预测集达到用户指定的覆盖概率，并以高概率控制所有目标的实际错误覆盖比例，使其接近设定水平。实验显示，该框架在满足覆盖要求的同时，能够生成规模较小、信息量较高的预测集。</escape>

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。