跳到主要内容
检索

University of North Carolina at Charlotte

2 篇关联报道

订阅更新
  1. arXiv

    EDiS 将图一次性分解为可缓存的边不相交子图,在 19 个节点分类基准上以相同边预算取得最高平均分

    EDiS 把图结构提取与每轮训练图组合分离:先用基于特征的分数和逐次最大分数覆盖森林把图一次性分解为可缓存的边不相交子图,再在每个 epoch 按边预算约束重新组合出训练图,无需重新提取结构;在 19 个同质、异质和大规模节点分类基准、相同边预算下与 17 个基线比较,EDiS-Lite 取得最高平均基准分与最低平均排名和差距。

  2. bioRxiv

    SPHERE:让敏感人类数据在AI时代可被直接使用与共享

    作者提出SPHERE这一无需建模(model-free)的方法,将敏感数据集转化为可共享的“合成孪生”(synthetic twin),使AI系统与协作者可直接使用而原始记录不离开本地环境;在覆盖五个科学领域的33个数据集上,该方法在抵御对抗性重识别攻击的同时保留了数据的统计结构(均值、方差与相关性被精确复现,线性分析中的效应量与P值数值一致,非线性机器学习效用得以保留,每个孪生可在笔记本电脑上数秒生成),前沿AI智能体在孪生上的科学结论与在原始记录上一致,并可在UK Biobank规模上复现基因组与蛋白质组范围的结果、在三个独立队列与联盟中重现里程碑研究的发现,还首次以涵盖九种模态的SPHERE

已读完全部报道