Skip to content
Hot eventLive

HCPN-GCN：用锥几何扩展分层原型网络做持续图学习

1 reports1 sources3 hr ago updated

Get the story

AI overview

研究者提出 HCPN-GCN，用于持续图学习。该方法在 Hierarchical Prototype Networks（HPN）基础上，将其线性特征提取器替换为 Graph Convolutional Networks（GCN），以增强图结构数据的特征提取能力；同时引入基于锥体几何的原型表示，以及多样性正则化目标，用于改进原型组织与类间区分。该工作目前以 arXiv 论文形式发布，属于机器学习理论方向的一手报道，尚未见后续实验验证或第三方复现报道。

Generated from reports · updated 3 hr ago

LatestOct 8
2026-10-08 arXiv 发布 HCPN-GCN 论文，提出以 GCN 替换线性提取器并引入锥体原型与多样性正则化。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Machine Learning Theory
    HCPN-GCN：用锥体几何扩展层级原型网络用于持续图学习

    研究者提出 HCPN-GCN，将 Hierarchical Prototype Networks 的线性特征提取器替换为 Graph Convolutional Networks，并引入基于锥体的原型与多样性正则化目标。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.