Buchumschlag

PAGER: A Framework for Failure Analysis of Deep Regression Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thiagarajan, Jayaraman J., Narayanaswamy, Vivek, Trivedi, Puja, Anirudh, Rushil
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

Accurate and Scalable Estimation of Epistemic Uncertainty for Graph Neural Networks
von: Trivedi, Puja, et al.
Veröffentlicht: (2024)

On the Use of Anchoring for Training Vision Models
von: Narayanaswamy, Vivek, et al.
Veröffentlicht: (2024)

`Eyes of a Hawk and Ears of a Fox': Part Prototype Network for Generalized Zero-Shot Learning
von: Feinglass, Joshua, et al.
Veröffentlicht: (2024)

Transformer-Powered Surrogates Close the ICF Simulation-Experiment Gap with Extremely Limited Data
von: Olson, Matthew L., et al.
Veröffentlicht: (2023)

DECIDER: Leveraging Foundation Model Priors for Improved Model Failure Detection and Explanation
von: Subramanyam, Rakshith, et al.
Veröffentlicht: (2024)

Leveraging Registers in Vision Transformers for Robust Adaptation
von: Yellapragada, Srikar, et al.
Veröffentlicht: (2025)

GRAPHTEXTACK: A Realistic Black-Box Node Injection Attack on LLM-Enhanced GNNs
von: Ma, Jiaji, et al.
Veröffentlicht: (2025)

Enhancing Accuracy and Parameter-Efficiency of Neural Representations for Network Parameterization
von: Choi, Hongjun, et al.
Veröffentlicht: (2024)

Improving Robustness In Sparse Autoencoders via Masked Regularization
von: Narayanaswamy, Vivek, et al.
Veröffentlicht: (2026)

Interpretable Deep Regression Models with Interval-Censored Failure Time Data
von: Yuan, Changhui, et al.
Veröffentlicht: (2025)

Multi-fidelity Reinforcement Learning Control for Complex Dynamical Systems
von: Sun, Luning, et al.
Veröffentlicht: (2025)

Jensen-Shannon Divergence Based Novel Loss Functions for Bayesian Neural Networks
von: Thiagarajan, Ponkrshnan, et al.
Veröffentlicht: (2022)

Interpretable Predictive Models for Healthcare via Rational Logistic Regression
von: Suttaket, Thiti, et al.
Veröffentlicht: (2024)

Deep Generative Model for Mechanical System Configuration Design
von: Etesam, Yasaman, et al.
Veröffentlicht: (2024)

Finetuning Language Models to Emit Linguistic Expressions of Uncertainty
von: Chaudhry, Arslan, et al.
Veröffentlicht: (2024)

Large Generative Graph Models
von: Wang, Yu, et al.
Veröffentlicht: (2024)

Probabilistic Hash Embeddings for Online Learning of Categorical Features
von: Li, Aodong, et al.
Veröffentlicht: (2025)

Investigation into In-Context Learning Capabilities of Transformers
von: Chandrupatla, Rushil, et al.
Veröffentlicht: (2026)

LLMs for Bayesian Optimization in Scientific Domains: Are We There Yet?
von: Gupta, Rushil, et al.
Veröffentlicht: (2025)

Improving Latent Generalization Using Test-time Compute
von: Chaudhry, Arslan, et al.
Veröffentlicht: (2026)

Regret Analysis of Unichain Average Reward Constrained MDPs with General Parameterization
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2026)

A Tutorial on Regression Analysis: From Linear Models to Deep Learning -- Lecture Notes on Artificial Intelligence
von: Wang, Jingyuan, et al.
Veröffentlicht: (2025)

Analysis of Failures and Risks in Deep Learning Model Converters: A Case Study in the ONNX Ecosystem
von: Jajal, Purvish, et al.
Veröffentlicht: (2023)

Deep Transfer Learning: Model Framework and Error Analysis
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

DP-Fusion: Token-Level Differentially Private Inference for Large Language Models
von: Thareja, Rushil, et al.
Veröffentlicht: (2025)

ADHAM: Additive Deep Hazard Analysis Mixtures for Interpretable Survival Regression
von: Ketenci, Mert, et al.
Veröffentlicht: (2025)

Deep Limit Model-free Prediction in Regression
von: Wu, Kejin, et al.
Veröffentlicht: (2024)

Transfer of Safety Controllers Through Learning Deep Inverse Dynamics Model
von: Nadali, Alireza, et al.
Veröffentlicht: (2024)

Polaris: A Gödel Agent Framework for Small Language Models through Experience-Abstracted Policy Repair
von: Kakade, Aditya, et al.
Veröffentlicht: (2026)

On Universality of Deep Equivariant Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2025)

Practical Deep Heteroskedastic Regression
von: Jordahn, Mikkel, et al.
Veröffentlicht: (2026)

QR-LoRA: QR-Based Low-Rank Adaptation for Efficient Fine-Tuning of Large Language Models
von: Liang, Jessica, et al.
Veröffentlicht: (2025)

Deep Fréchet Regression
von: Iao, Su I, et al.
Veröffentlicht: (2024)

Offline and Online KL-Regularized RLHF under Differential Privacy
von: Wu, Yulian, et al.
Veröffentlicht: (2025)

Interpretable and Steerable Concept Bottleneck Sparse Autoencoders
von: Kulkarni, Akshay, et al.
Veröffentlicht: (2025)

A Visualization for Comparative Analysis of Regression Models
von: Mountasir, Nassime, et al.
Veröffentlicht: (2026)

Towards Sustainable Development: A Novel Integrated Machine Learning Model for Holistic Environmental Health Monitoring
von: Mazumder, Anirudh, et al.
Veröffentlicht: (2023)

Data Augmentation for Deep Learning Regression Tasks by Machine Learning Models
von: Shmuel, Assaf, et al.
Veröffentlicht: (2025)

Towards Explainable, Safe Autonomous Driving with Language Embeddings for Novelty Identification and Active Learning: Framework and Experimental Analysis with Real-World Data Sets
von: Greer, Ross, et al.
Veröffentlicht: (2024)

Understanding Pathologies of Deep Heteroskedastic Regression
von: Wong-Toi, Eliot, et al.
Veröffentlicht: (2023)