Hot eventLive

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 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 2

Follow the coverage from different angles.

Oct 2, 2026

12:00
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。

There is not enough continuous observation data to draw a trend yet.