待验证50% 置信事实精确时间
研究团队对DySR-GNN学习到的关系图进行分析,发现传感器变量之间既存在持续稳定的关联,也存在随状态变化的关系。
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
待验证GNoME基于图神经网络(GNN),通过学习Materials Project等密度泛函理论(DFT)数据库中已知晶体结构稳定性规律进行预测72% 相似待验证研究分析了协议自身特征(复杂度、状态数量、转换逻辑清晰度)与 LLM 推理表现之间存在关联67% 相似待验证DySR-GNN为每个输入窗口重建的关系图是由数据驱动生成的,并非静态先验,随后用于图消息传递和直接的根因位置预测。65% 相似待验证在多传感器系统中,将自适应图结构与时序表示联合学习,是提升复杂系统根因分析能力的一条可行路径。65% 相似待验证GNoME采用主动学习策略,迭代式地生成候选、预测稳定性、筛选最有价值结构送入DFT计算验证,再更新模型65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1166347API
curl https://kongchang.com/api/v1/knowledge/claims/1166347MCP
get_claim(id=1166347)