物理信息保形预测:为神经算子嵌入 PDE 一致性
神经算子(如傅里叶神经算子 FNO)在逼近偏微分方程解上精度出色,但缺乏严格的不确定性估计。作者提出物理信息保形预测(PI-CP),将 PDE 残差嵌入分裂保形预测的非一致性分数,产生无分布假设、有可证覆盖保证且空间自适应的预测区间。研究还证明 FNO 的平移等变性对带 Dirichlet 边界条…
共 7 篇相关资讯,按重要度与时间排序,每 3 小时更新。
神经算子(如傅里叶神经算子 FNO)在逼近偏微分方程解上精度出色,但缺乏严格的不确定性估计。作者提出物理信息保形预测(PI-CP),将 PDE 残差嵌入分裂保形预测的非一致性分数,产生无分布假设、有可证覆盖保证且空间自适应的预测区间。研究还证明 FNO 的平移等变性对带 Dirichlet 边界条…
针对基于评分标准的 LLM 评测中判断确定性不均的问题,研究者提出 Uncertainty-aware Rubric Weighting(URW)框架。该方法通过保形校准量化标准级判断不确定性,并转化为每项标准的权重,无需训练。实验表明 URW 持续提升成对偏好准确率并增强下游 RL 对齐效果。
一篇博士论文系统研究知识图谱嵌入(KGE)中的三类不确定性:知识不确定性、算法不确定性与预测不确定性。作者提出基于投票的聚合框架缓解训练随机性,并将保形预测引入 KGE 以构建具有无分布覆盖保证的答案集。该工作为高风险场景下可靠的知识图谱推理提供了模型无关的理论与方法基础。
论文提出 CAGE 框架,融合生成建模、对抗判别与保形预测以提升时间序列预测可靠性。多个生成模型产出初始预测,判别组件用保形预测计算非一致性分数并动态调整模型权重,抑制不可靠预测的影响。在新西兰牛奶采集与猴痘公共卫生数据上,CAGE 在处理异常值与噪声数据方面优于传统集成方法。
论文提出 CRC-Router,一个风险约束、不确定性感知的路由模块,用于判断医疗 AI 系统何时可自主决策、何时应转人工复核。它融合多种不确定性信号与预测分数,通过轻量风险模型估计误接受风险,并用保形风险控制校准阈值。在 NIH ChestX-ray14 胸片多病灶分诊上取得最优风险-覆盖率权衡…
研究针对城市行人计数系统提出物理约束数字孪生方法,用于检测隐蔽的虚假数据注入攻击。该方法在行人街道图上估计有向流量,结合流量守恒残差与自适应保形校准设定告警阈值。在墨尔本六年数据上,单一设备被攻陷时攻击裕度达0.54,三分之一设备被攻陷时降至0.19,表明增益来自守恒律而非局部性。
论文针对美国西部 SNOTEL 网络的雪水当量(SWE)预测,先用高斯过程线性变换去除空间相关性,再训练 LSTM 学习各站点纯净时间信号。该方法优于多个基线,并引入保形预测实现无分布假设的不确定性量化。这为次季节尺度 SWE 预测与完整时空制图提供了可行框架。