Buchumschlag

Rigid Transformations for Stabilized Lower Dimensional Space to Support Subsurface Uncertainty Quantification and Interpretation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mabadeje, Ademide O., Pyrcz, Michael J.
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

Evaluating the Stability of Deep Learning Latent Feature Spaces
von: Mabadeje, Ademide O., et al.
Veröffentlicht: (2024)

Machine Learning-Based Completions Sequencing for Well Performance Optimization
von: Liu, Anjie, et al.
Veröffentlicht: (2024)

Activation-Space Uncertainty Quantification for Pretrained Networks
von: Bergna, Richard, et al.
Veröffentlicht: (2026)

PCS-UQ: Uncertainty Quantification via the Predictability-Computability-Stability Framework
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2025)

Biased Dreams: Limitations to Epistemic Uncertainty Quantification in Latent Space Models
von: Berger, Julia, et al.
Veröffentlicht: (2026)

Diffusion Transformers for Imputation: Statistical Efficiency and Uncertainty Quantification
von: Ye, Zeqi, et al.
Veröffentlicht: (2025)

Learning Surrogate LPV State-Space Models with Uncertainty Quantification
von: Olucha, E. Javier, et al.
Veröffentlicht: (2026)

Non-Asymptotic Uncertainty Quantification in High-Dimensional Learning
von: Hoppe, Frederik, et al.
Veröffentlicht: (2024)

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

Comparison of Deterministic and Probabilistic Machine Learning Algorithms for Precise Dimensional Control and Uncertainty Quantification in Additive Manufacturing
von: Sanpui, Dipayan, et al.
Veröffentlicht: (2025)

Synthesizability Prediction of Crystalline Structures with a Hierarchical Transformer and Uncertainty Quantification
von: Ebrahimzadeh, Danial, et al.
Veröffentlicht: (2025)

Recurrent Transformer U-Net Surrogate for Flow Modeling and Data Assimilation in Subsurface Formations with Faults
von: Han, Yifu, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Transformer Models for Dark-Pattern Detection
von: Muñoz, Javier, et al.
Veröffentlicht: (2024)

Conformal and kNN Predictive Uncertainty Quantification Algorithms in Metric Spaces
von: Lugosi, Gábor, et al.
Veröffentlicht: (2025)

Uncertainty Quantification With Multiple Sources
von: Ying, Mufang, et al.
Veröffentlicht: (2024)

Is the Last Layer Sufficient for Uncertainty Quantification?
von: Wilson, Joseph, et al.
Veröffentlicht: (2026)

Position: There Is No Free Bayesian Uncertainty Quantification
von: Melev, Ivan, et al.
Veröffentlicht: (2025)

Localized Uncertainty Quantification in Random Forests via Proximities
von: Rhodes, Jake S., et al.
Veröffentlicht: (2025)

PersonalizedUS: Interpretable Breast Cancer Risk Assessment with Local Coverage Uncertainty Quantification
von: Fröhlich, Alek, et al.
Veröffentlicht: (2024)

Adaptive Uncertainty Quantification for Generative AI
von: Kim, Jungeum, et al.
Veröffentlicht: (2024)

Two Birds with One Stone: Enhancing Uncertainty Quantification and Interpretability with Graph Functional Neural Process
von: Kong, Lingkai, et al.
Veröffentlicht: (2025)

Adaptive Physics Transformer with Fused Global-Local Attention for Subsurface Energy Systems
von: Ju, Xin, et al.
Veröffentlicht: (2026)

Multivariate and Online Transfer Learning with Uncertainty Quantification
von: Hickey, Jimmy, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in the Tsetlin Machine
von: Helin, Runar, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in SVM prediction
von: Anand, Pritam
Veröffentlicht: (2025)

Uncertainty Quantification for Quantum Computing
von: Bennink, Ryan, et al.
Veröffentlicht: (2026)

Light-Weight Diffusion Multiplier and Uncertainty Quantification for Fourier Neural Operators
von: Matveev, Albert, et al.
Veröffentlicht: (2025)

Uncertainty Quantification Metrics for Deep Regression
von: Lind, Simon Kristoffersson, et al.
Veröffentlicht: (2024)

Interventional Processes for Causal Uncertainty Quantification
von: Dance, Hugh, et al.
Veröffentlicht: (2024)

Linear Opinion Pooling for Uncertainty Quantification on Graphs
von: Damke, Clemens, et al.
Veröffentlicht: (2024)

Multidimensional Uncertainty Quantification via Optimal Transport
von: Kotelevskii, Nikita, et al.
Veröffentlicht: (2025)

Label-wise Aleatoric and Epistemic Uncertainty Quantification
von: Sale, Yusuf, et al.
Veröffentlicht: (2024)

Risk-aware Classification via Uncertainty Quantification
von: Sensoy, Murat, et al.
Veröffentlicht: (2024)

Uncertainty Quantification on Graph Learning: A Survey
von: Chen, Chao, et al.
Veröffentlicht: (2024)

Uncertainty Quantification with the Empirical Neural Tangent Kernel
von: Wilson, Joseph, et al.
Veröffentlicht: (2025)

On Uncertainty Quantification for Near-Bayes Optimal Algorithms
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

Uncertainty Quantification on Clinical Trial Outcome Prediction
von: Chen, Tianyi, et al.
Veröffentlicht: (2024)

On the Uncertainty Quantification Ability of Tabular Foundation Models
von: Johnson, Tyler R., et al.
Veröffentlicht: (2026)

Multivariate Uncertainty Quantification with Tomographic Quantile Forests
von: Kanazawa, Takuya
Veröffentlicht: (2025)

Improving Label Error Detection and Elimination with Uncertainty Quantification
von: Jakubik, Johannes, et al.
Veröffentlicht: (2024)