Buchumschlag

Loss-Controlling Calibration for Predictive Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Di, Shi, Junzhi, Wang, Pingping, Zhuang, Shuo, Li, Hongyue
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conformal Loss-Controlling Prediction
von: Wang, Di, et al.
Veröffentlicht: (2023)

SAUC: Sparsity-Aware Uncertainty Calibration for Spatiotemporal Prediction with Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

Deep Ensemble Shape Calibration: Multi-Field Post-hoc Calibration in Online Advertising
von: Yang, Shuai, et al.
Veröffentlicht: (2024)

State Space Models over Directed Graphs
von: She, Junzhi, et al.
Veröffentlicht: (2025)

Validity-Calibrated Reasoning Distillation
von: Saadi, Khouloud, et al.
Veröffentlicht: (2026)

FeatCal: Feature Calibration for Post-Merging Models
von: Gu, Yanggan, et al.
Veröffentlicht: (2026)

GETS: Ensemble Temperature Scaling for Calibration in Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

EnsLoss: Stochastic Calibrated Loss Ensembles for Preventing Overfitting in Classification
von: Dai, Ben
Veröffentlicht: (2024)

Semantic Loss Functions for Neuro-Symbolic Structured Prediction
von: Ahmed, Kareem, et al.
Veröffentlicht: (2024)

Dimension-Free Decision Calibration for Nonlinear Loss Functions
von: Tang, Jingwu, et al.
Veröffentlicht: (2025)

On the Calibration of Epistemic Uncertainty: Principles, Paradoxes and Conflictual Loss
von: Fellaji, Mohammed, et al.
Veröffentlicht: (2024)

PyGALAX: An Open-Source Python Toolkit for Advanced Explainable Geospatial Machine Learning
von: Wang, Pingping, et al.
Veröffentlicht: (2026)

Concentration and Calibration in Predictive Bayesian Inference
von: Frazier, David T., et al.
Veröffentlicht: (2026)

MergeQuant: Accurate 4-bit Static Quantization of Large Language Models by Channel-wise Calibration
von: Wang, Jinguang, et al.
Veröffentlicht: (2025)

Toward Conditional Distribution Calibration in Survival Prediction
von: Qi, Shi-ang, et al.
Veröffentlicht: (2024)

Predicting Large Model Test Losses with a Noisy Quadratic System
von: Li, Chuning, et al.
Veröffentlicht: (2026)

Geometric Insights into Focal Loss: Reducing Curvature for Enhanced Model Calibration
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Improving Calibration by Relating Focal Loss, Temperature Scaling, and Properness
von: Komisarenko, Viacheslav, et al.
Veröffentlicht: (2024)

Towards Calibrated Losses for Adversarial Robust Reject Option Classification
von: Shah, Vrund, et al.
Veröffentlicht: (2024)

Performative Risk Control: Calibrating Models for Reliable Deployment under Performativity
von: Li, Victor, et al.
Veröffentlicht: (2025)

T2S-MPC: Time-Embedded Online Adaptive Model Predictive Control for Time-Varying Dynamics
von: Shen, Zeyu, et al.
Veröffentlicht: (2026)

Adam Exploits $\ell_\infty$-geometry of Loss Landscape via Coordinate-wise Adaptivity
von: Xie, Shuo, et al.
Veröffentlicht: (2024)

When Does Trimming Help Conformal Prediction? A Retained-Law Diagnostic under Calibration Contamination
von: Wang, Congye
Veröffentlicht: (2026)

Joint Training of Multi-Token Prediction in Reinforcement Learning via Optimal Coefficient Calibration
von: Wang, Zili, et al.
Veröffentlicht: (2026)

Expectation Consistency Loss: Rethink Confidence Calibration under Covariate Shift
von: Dong, Jinzong, et al.
Veröffentlicht: (2026)

Self-Augmented Mixture-of-Experts for QoS Prediction
von: Cai, Kecheng, et al.
Veröffentlicht: (2026)

Calibrating conditional risk
von: Vasilyev, Andrey, et al.
Veröffentlicht: (2026)

Bootstrapped Model Predictive Control
von: Wang, Yuhang, et al.
Veröffentlicht: (2025)

MVeLMA: Multimodal Vegetation Loss Modeling Architecture for Predicting Post-fire Vegetation Loss
von: Ravi, Meenu, et al.
Veröffentlicht: (2025)

Conformal Structured Prediction
von: Zhang, Botong, et al.
Veröffentlicht: (2024)

Conformal Prediction for Class-wise Coverage via Augmented Label Rank Calibration
von: Shi, Yuanjie, et al.
Veröffentlicht: (2024)

LDTC: Lifelong deep temporal clustering for multivariate time series
von: Wang, Zhi, et al.
Veröffentlicht: (2026)

A Novel Framework Using Variational Inference with Normalizing Flows to Train Transport Reversible Jump Proposals
von: Yin, Pingping, et al.
Veröffentlicht: (2025)

Lai Loss: A Novel Loss for Gradient Control
von: Lai, YuFei
Veröffentlicht: (2024)

Class-Based Time Series Data Augmentation to Mitigate Extreme Class Imbalance for Solar Flare Prediction
von: Wen, Junzhi, et al.
Veröffentlicht: (2024)

Self-Calibrating Conformal Prediction
von: van der Laan, Lars, et al.
Veröffentlicht: (2024)

RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting
von: Wang, Jieting, et al.
Veröffentlicht: (2025)

nanoLM: an Affordable LLM Pre-training Benchmark via Accurate Loss Prediction across Scales
von: Yao, Yiqun, et al.
Veröffentlicht: (2023)

A PID-Controlled Tensor Wheel Decomposition Model for Dynamic Link Prediction
von: Wang, Qu, et al.
Veröffentlicht: (2025)

Dirichlet-Based Prediction Calibration for Learning with Noisy Labels
von: Zong, Chen-Chen, et al.
Veröffentlicht: (2024)