国产亚洲AV自拍|av中文字幕一区|资源在线观看一区二区|亚洲影视久久亚洲特级性交|一级做一级a做片爱免费观看|欧美另类亚洲色婷婷精品无码|亚洲青青草免费一区|青青草免费成人网|91久久国内视频|五月天丁香久久

       近日，人工智能領(lǐng)域的權(quán)威學(xué)術(shù)會議The 40th Annual AAAI Conference on Artificial Intelligence (AAAI 2026) 公布了Main Track論文接收結(jié)果，二年級碩士研究生陳林茂作為1作的論文“Generating in-distribution counterfactual explanation for graph neural networks”以O(shè)ral形式獲得錄用，將獲邀參加大會的現(xiàn)場口頭報告。AAAI是中國計算機學(xué)會（CCF）認(rèn)定的A類國際會議，本屆會議將于2026年1月20日至27日在新加坡舉行，共收到23680份有效投稿，最終接收論文4167篇，錄用率為17.6%，其中Oral論文占比20%左右。  

附論文基本信息：
標(biāo)題：Generating in-distribution counterfactual explanation for graph neural networks 
作者：陳林茂（華南師范大學(xué)）、賀超波（華南師范大學(xué) 通訊作者）、程俊偉（華南師范大學(xué)）、李春英（廣東技術(shù)師范大學(xué)）、官全龍（暨南大學(xué)）
摘要：圖神經(jīng)網(wǎng)絡(luò)（GNN）由于其處理圖結(jié)構(gòu)數(shù)據(jù)的強大能力而受到越來越多的關(guān)注，但其可解釋性仍然是一個重大的挑戰(zhàn)。一種有效的解決方案是為GNN模型提供反事實解釋，其目的是回答“應(yīng)該如何擾動輸入實例以改變模型的預(yù)測？”.現(xiàn)有的工作主要關(guān)注于生成可以有效改變模型預(yù)測的解釋，但忽略了解釋是否與原始數(shù)據(jù)分布保持一致，從而導(dǎo)致分布漂移問題。為了解決該問題，提出了一種稱為ICExplainer的新方法，用于在原始分布內(nèi)生成解釋。具體而言，ICExplainer將基于圖擴散的生成模型引入反事實推理，將其視為圖分布學(xué)習(xí)的優(yōu)化目標(biāo)。使用變分推理估計輸入圖的真實分布，以保留基本的結(jié)構(gòu)和語義信息，然后推斷的分布作為指導(dǎo)反向過程的先驗知識，以確保生成的解釋既是反事實的，又是分布一致的。在真實和合成的數(shù)據(jù)集上進行了大量實驗，結(jié)果驗證了ICExplainer的優(yōu)異性能。