待验证50% 置信基准精确时间
实验结果表明该框架能有效捕捉聚类结构与噪声的双重不确定性
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证该研究提出了一套无模型、噪声感知的贝叶斯聚类框架，从预测性贝叶斯视角出发构造关于聚类结构的鞅后验，在不显式设定模型的前提下量化聚类的不确定性79% 相似待验证该框架能够适应不规则的簇形状，并将噪声作为后验的一部分显式建模，而非简单地当作异常值剔除73% 相似待验证扩散模型通过模拟从噪声到结构的去噪过程能有效采样配体的多种低能构象，DiffDock采用此核心技术路线73% 相似待验证无目标载体负责吸收去噪器预测的边际token分布并构建覆盖所有未解析token的联合模型69% 相似待验证卡尔曼滤波通过建立系统状态空间模型，将预测值与测量值按各自噪声协方差加权融合，是处理IMU漂移问题的经典方案68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001424API
curl https://kongchang.com/api/v1/knowledge/claims/1001424MCP
get_claim(id=1001424)