待验证50% 置信事实精确时间
DySR-GNN是一种使用动态传感器关系图神经网络的监督式多标签根因识别方法。
1
来源数
50%
置信度
长期有效
时效性
2026/11/13
首次发现
来源
DySR-GNN:动态传感器关系图神经网络破解汽车HiL根因分析难题
rss2026/11/12
涉及实体
相关事实
已验证图神经网络(GNN)是专为图结构数据设计的深度学习模型,分子可表示为原子-键图,GNN成为分子性质预测的主流架构之一69% 相似待验证图神经网络(GNN)在捕捉长程相互作用方面存在过平滑挑战,即随网络层数增加所有节点表征趋于一致62% 相似待验证深度学习中CNN用于提取神经信号的空间特征,RNN/LSTM和Transformer架构用于捕捉时序依赖关系62% 相似待验证2015年Piech等人提出深度知识追踪(DKT),用LSTM循环神经网络替代HMM,预测精度显著提升61% 相似待验证DeepRx是诺基亚贝尔实验室提出的基于CNN的神经接收机,将接收到的资源网格(含DMRS)直接映射为编码比特的对数似然比(LLR),以端到端方式训练。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1166341API
curl https://kongchang.com/api/v1/knowledge/claims/1166341MCP
get_claim(id=1166341)