AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:网络恢复×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月8日
11:06
11:06arXiv cs.LG@Lei Huang
许多重要现象(如产品采用、疾病传播、金融风险扩散)以动态级联方式展开,恢复其背后的隐藏影响网络是关键挑战。现有方法通常假设特定的扩散模型,当假设错误时性能大幅下降。CascadeNet 提出基于雅可比矩阵的机器学习框架,无需指定扩散机制,通过一步转移函数的雅可比矩阵刻画影响结构,并利用 Neyman 正交去偏实现统计推断。在九种常见数据生成过程的模拟中,CascadeNet 恢复精度最高;在西班牙 52 省 COVID-19 传播的真实案例中,其恢复的网络与真实人口流动网络显著相关,而基线方法无显著对齐。
论文网络恢复级联数据雅可比矩阵去偏估计CascadeNet

推荐理由:做网络推断、因果发现或传染病建模的研究者终于有了一个不依赖模型假设的通用方法——模拟和真实数据都验证了效果,值得直接复现试试。
原文
精选全部日报登录