BriefGPT - AI 论文速递
·
自洽训练用于哈密顿预测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
提出了一种新颖的分布一致图自训练（DC-GST）框架，通过解决训练集与测试集之间的分布差异，识别伪标记节点，并进行建模。实验证明该框架优于基线模型。
🎯
关键要点
- 提出了一种新颖的分布一致图自训练（DC-GST）框架。
- 该框架解决了训练集与测试集之间的分布差异。
- 识别伪标记节点，增强模型的泛化能力。
- 采用可微分的优化任务进行建模。
- 使用考虑分布差异的边预测器来提高图的性能。
- 在四个公开基准数据集上进行了评估，结果优于基线模型。
➡️
