Buchumschlag

Random-Set Neural Networks (RS-NN)

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Manchingal, Shireen Kudukkil, Mubashar, Muhammad, Wang, Kaizheng, Shariatmadar, Keivan, Cuzzolin, Fabio
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

Random-Set Large Language Models
von: Mubashar, Muhammad, et al.
Veröffentlicht: (2025)

CreINNs: Credal-Set Interval Neural Networks for Uncertainty Estimation in Classification Tasks
von: Wang, Kaizheng, et al.
Veröffentlicht: (2024)

A Unified Evaluation Framework for Epistemic Predictions
von: Manchingal, Shireen Kudukkil, et al.
Veröffentlicht: (2025)

Random-Set Graph Neural Networks
von: Woodley, Tommy, et al.
Veröffentlicht: (2026)

Epistemic Wrapping for Uncertainty Quantification
von: Sultana, Maryam, et al.
Veröffentlicht: (2025)

A neurosymbolic Approach with Epistemic Deep Learning for Hierarchical Image Classification
von: Kilicdere, Ezel, et al.
Veröffentlicht: (2026)

Epistemic Deep Learning: Enabling Machine Learning Models to Know When They Do Not Know
von: Manchingal, Shireen Kudukkil
Veröffentlicht: (2025)

Credal Wrapper of Model Averaging for Uncertainty Estimation in Classification
von: Wang, Kaizheng, et al.
Veröffentlicht: (2024)

Epistemic Generative Adversarial Networks
von: Mubashar, Muhammad, et al.
Veröffentlicht: (2026)

Epistemic Artificial Intelligence is Essential for Machine Learning Models to Truly 'Know When They Do Not Know'
von: Manchingal, Shireen Kudukkil, et al.
Veröffentlicht: (2025)

Credal and Interval Deep Evidential Classifications
von: Caprio, Michele, et al.
Veröffentlicht: (2025)

Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning
von: Manchingal, Shireen Kudukkil, et al.
Veröffentlicht: (2026)

Generalisation of Total Uncertainty in AI: A Theoretical Study
von: Shariatmadar, Keivan
Veröffentlicht: (2024)

Credal Ensemble Distillation for Uncertainty Quantification
von: Wang, Kaizheng, et al.
Veröffentlicht: (2025)

Set-based v.s. Distribution-based Representations of Epistemic Uncertainty: A Comparative Study
von: Wang, Kaizheng, et al.
Veröffentlicht: (2026)

Generalized Decision Focused Learning under Imprecise Uncertainty--Theoretical Study
von: Shariatmadar, Keivan, et al.
Veröffentlicht: (2025)

Learning Credal Ensembles via Distributionally Robust Optimization
von: Wang, Kaizheng, et al.
Veröffentlicht: (2026)

Generalising realisability in statistical learning theory under epistemic uncertainty
von: Cuzzolin, Fabio
Veröffentlicht: (2024)

Statistical inference with belief functions: A survey
von: Cuzzolin, Fabio
Veröffentlicht: (2026)

Uncertainty-Aware Autonomous Vehicles: Predicting the Road Ahead
von: Manchingal, Shireen Kudukkil, et al.
Veröffentlicht: (2025)

FST.ai 2.0: An Explainable AI Ecosystem for Fair, Fast, and Inclusive Decision-Making in Olympic and Paralympic Taekwondo
von: Shariatmadar, Keivan, et al.
Veröffentlicht: (2025)

Direct Interval Propagation Methods using Neural-Network Surrogates for Uncertainty Quantification in Physical Systems Surrogate Model
von: Faza, Ghifari Adam, et al.
Veröffentlicht: (2026)

MINTS: Minimalist Thompson Sampling
von: Wang, Kaizheng
Veröffentlicht: (2026)

A Minimalist Bayesian Framework for Stochastic Optimization
von: Wang, Kaizheng
Veröffentlicht: (2025)

Reasoning with random sets: An agenda for the future
von: Cuzzolin, Fabio
Veröffentlicht: (2023)

Anomaly detection using Diffusion-based methods
von: Bhosale, Aryan, et al.
Veröffentlicht: (2024)

Pseudo-Labeling for Unsupervised Domain Adaptation with Kernel GLMs
von: Weill, Nathan, et al.
Veröffentlicht: (2026)

A Similarity Measure Between Functions with Applications to Statistical Learning and Optimization
von: Huang, Chengpiao, et al.
Veröffentlicht: (2025)

UnifiedNN: Efficient Neural Network Training on the Cloud
von: Taki, Sifat Ut, et al.
Veröffentlicht: (2024)

Pseudo-Labeling for Kernel Ridge Regression under Covariate Shift
von: Wang, Kaizheng
Veröffentlicht: (2023)

AI-Enhanced Precision in Sport Taekwondo: Increasing Fairness, Speed, and Trust in Competition (FST.ai)
von: Shariatmadar, Keivan, et al.
Veröffentlicht: (2025)

Credal Learning Theory
von: Caprio, Michele, et al.
Veröffentlicht: (2024)

Drug Interaction Vectors Neural Network: DrIVeNN
von: Wang, Natalie, et al.
Veröffentlicht: (2023)

PILOT: Policy-Informed Learned Optimization for Adaptive Deep Network Training
von: Altuuaim, Sattam, et al.
Veröffentlicht: (2026)

uGMM-NN: Univariate Gaussian Mixture Model Neural Network
von: Ali, Zakeria Sharif
Veröffentlicht: (2025)

Distribution-Free Predictive Inference under Unknown Temporal Drift
von: Han, Elise, et al.
Veröffentlicht: (2024)

Adaptive Querying with AI Persona Priors
von: Wang, Kaizheng, et al.
Veröffentlicht: (2026)

Deep evolving semi-supervised anomaly detection
von: Belham, Jack, et al.
Veröffentlicht: (2024)

SWAT-NN: Simultaneous Weights and Architecture Training for Neural Networks in a Latent Space
von: Huang, Zitong, et al.
Veröffentlicht: (2025)

How Many Human Survey Respondents is a Large Language Model Worth? An Uncertainty Quantification Perspective
von: Huang, Chengpiao, et al.
Veröffentlicht: (2025)