热点事件持续更新
ACPNN：基于近邻的自适应共形预测用于图像回归不确定性量化
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表统计学/机器学习论文，提出自适应共形预测最近邻方法（ACPNN），为图像回归模型提供输入依赖的不确定性量化。该方法利用高斯过程自动相关判定核学习缩放距离度量以定义邻域结构，并在惯性约束聚变扩散模型模拟器上验证有效，同时保持较低计算成本。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
2026-10-02 论文在 arXiv 发布，提出 ACPNN 方法并在惯性约束聚变模拟器上验证。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Statistics Machine Learning图像回归模型的自适应共形预测方法及其在惯性约束聚变模拟器中的应用
论文提出自适应共形预测最近邻方法（ACPNN），为图像回归模型提供输入依赖的不确定性量化，利用高斯过程自动相关判定核学习缩放距离度量定义邻域结构，在惯性约束聚变扩散模型模拟器上验证有效且计算成本低。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。