محققان در مقاله جدید خود به سراغ یک چالش پیچیده در حوزه هوش مصنوعی رفتهاند: پیشبینی دقیق «گرافها». برخلاف پیشبینیهای عددی معمول، خروجیهای گرافی به دلیل ساختار پیچیدهشان چالشهای زیادی برای سنجش عدم قطعیت داشتند.
این روش جدید با استفاده از تکنیک «Conformal Prediction» و فاصله «Z-Gromov-Wasserstein» به مدلها کمک میکند تا برای خروجیهای گرافی خود، بازههای اطمینان (Prediction Sets) دقیقی ارائه دهند. این دستاورد برای کاربردهایی مثل شناسایی دقیق مولکولها و تحلیل ساختارهای پیچیده، جهشی بزرگ محسوب میشود.
اگر در حوزه یادگیری ماشین ساختاریافته فعالیت میکنید، بررسی این مقاله علمی جدید میتواند ایدههای جذابی برای پروژههایتان داشته باشد. 🧠✨
منبع: arXiv Machine Learning