| 标题 |
 A general framework for quantifying aleatoric and epistemic uncertainty in graph neural networks 图神经网络中任意不确定性和认知不确定性量化的一般框架
相关领域
不确定度量化
计算机科学
频数推理
不确定度分析
敏感性分析
机器学习
人工智能
测量不确定度
贝叶斯概率
概率逻辑
蒙特卡罗方法
不确定性传播
贝叶斯推理
数据挖掘
算法
数学
统计
模拟
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Neurocomputing 作者：Sai Munikoti; Deepesh Agarwal; Laya Das; Balasubramaniam Natarajan 出版日期：2023-02-01 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
剑指东方是为谁
bc
Luminous
飞快的泥猴桃
jyy
就叫柠檬吧
MchemG
Li
Billy
WaitP
平常的毛豆
斯寜
SYLH
Alex
核桃
YifanWang
Mercury
ukz37752
褚曼安
andrele
皖公网安备34019202002308
