Buchumschlag

Uncertainty Regularized Evidential Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ye, Kai, Chen, Tiejin, Wei, Hua, Zhan, Liang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zer0-Jack: A Memory-efficient Gradient-based Jailbreaking Method for Black-box Multi-modal Large Language Models
von: Chen, Tiejin, et al.
Veröffentlicht: (2024)

Every Response Counts: Quantifying Uncertainty of LLM-based Multi-Agent Systems through Tensor Decomposition
von: Chen, Tiejin, et al.
Veröffentlicht: (2026)

Conformal Feedback Alignment: Quantifying Answer-Level Reliability for Robust LLM Alignment
von: Chen, Tiejin, et al.
Veröffentlicht: (2026)

Evidential Transformation Network: Turning Pretrained Models into Evidential Models for Post-hoc Uncertainty Estimation
von: Chun, Yongchan, et al.
Veröffentlicht: (2026)

Is Epistemic Uncertainty Faithfully Represented by Evidential Deep Learning Methods?
von: Jürgens, Mira, et al.
Veröffentlicht: (2024)

Generalized Regularized Evidential Deep Learning Models: Theory and Comprehensive Evaluation
von: Pandey, Deep Shankar, et al.
Veröffentlicht: (2025)

Echoes of Socratic Doubt: Embracing Uncertainty in Calibrated Evidential Reinforcement Learning
von: Stutts, Alex Christopher, et al.
Veröffentlicht: (2024)

Graph Evidential Learning for Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2025)

Position: Uncertainty Quantification in LLMs is Just Unsupervised Clustering
von: Chen, Tiejin, et al.
Veröffentlicht: (2026)

Revisiting Essential and Nonessential Settings of Evidential Deep Learning
von: Chen, Mengyuan, et al.
Veröffentlicht: (2024)

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

A Comprehensive Survey on Evidential Deep Learning and Its Applications
von: Gao, Junyu, et al.
Veröffentlicht: (2024)

Evidential Uncertainty Sets in Deep Classifiers Using Conformal Prediction
von: Karimi, Hamed, et al.
Veröffentlicht: (2024)

Uncertainty-aware Traffic Prediction under Missing Data
von: Mei, Hao, et al.
Veröffentlicht: (2023)

Equivariant Evidential Deep Learning for Interatomic Potentials
von: Wang, Zhongyao, et al.
Veröffentlicht: (2026)

ACCon: Angle-Compensated Contrastive Regularizer for Deep Regression
von: Zhao, Botao, et al.
Veröffentlicht: (2025)

Adjusting Regression Models for Conditional Uncertainty Calibration
von: Gao, Ruijiang, et al.
Veröffentlicht: (2024)

Evidential Domain Adaptation for Remaining Useful Life Prediction with Incomplete Degradation
von: Hou, Yubo, et al.
Veröffentlicht: (2026)

Evidentially Calibrated Source-Free Time-Series Domain Adaptation with Temporal Imputation
von: Ragab, Mohamed, et al.
Veröffentlicht: (2024)

Robust Regularized Policy Iteration under Transition Uncertainty
von: Lin, Hongqiang, et al.
Veröffentlicht: (2026)

EviDep: Trustworthy Multimodal Depression Estimation via Disentangled Evidential Learning
von: Liu, Fangyuan, et al.
Veröffentlicht: (2026)

APAR: Modeling Irregular Target Functions in Tabular Regression via Arithmetic-Aware Pre-Training and Adaptive-Regularized Fine-Tuning
von: Wu, Hong-Wei, et al.
Veröffentlicht: (2024)

Transformers Learn Robust In-Context Regression under Distributional Uncertainty
von: Cao, Hoang T. H., et al.
Veröffentlicht: (2026)

Robust Adversarial Quantification via Conflict-Aware Evidential Deep Learning
von: Barker, Charmaine, et al.
Veröffentlicht: (2025)

Evidential Spectrum-Aware Contrastive Learning for OOD Detection in Dynamic Graphs
von: Sun, Nan, et al.
Veröffentlicht: (2025)

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

EVEREST: An Evidential, Tail-Aware Transformer for Rare-Event Time-Series Forecasting
von: Zilinskas, Antanas, et al.
Veröffentlicht: (2026)

Accelerating RL for LLM Reasoning with Optimal Advantage Regression
von: Brantley, Kianté, et al.
Veröffentlicht: (2025)

Principled Input-Output-Conditioned Post-Hoc Uncertainty Estimation for Regression Networks
von: Bramlage, Lennart, et al.
Veröffentlicht: (2025)

Efficient Epistemic Uncertainty Estimation in Regression Ensemble Models Using Pairwise-Distance Estimators
von: Berry, Lucas, et al.
Veröffentlicht: (2023)

CalPro: Prior-Aware Evidential--Conformal Prediction with Structure-Aware Guarantees for Protein Structures
von: Shihab, Ibne Farabi, et al.
Veröffentlicht: (2026)

Investigating the Histogram Loss in Regression
von: Imani, Ehsan, et al.
Veröffentlicht: (2024)

Federated Offline Policy Optimization with Dual Regularization
von: Yue, Sheng, et al.
Veröffentlicht: (2024)

Evidential Neural Radiance Fields
von: Duan, Ruxiao, et al.
Veröffentlicht: (2026)

eDOC: Explainable Decoding Out-of-domain Cell Types with Evidential Learning
von: Wu, Chaochen, et al.
Veröffentlicht: (2024)

Soft-ECM: An extension of Evidential C-Means for complex data
von: Soubeiga, Armel, et al.
Veröffentlicht: (2025)

Analyzing Generalization in Pre-Trained Symbolic Regression
von: Voigt, Henrik, et al.
Veröffentlicht: (2025)

RS-ORT: A Reduced-Space Branch-and-Bound Algorithm for Optimal Regression Trees
von: Heredia, Cristobal, et al.
Veröffentlicht: (2025)

RAMAC: Multimodal Risk-Aware Offline Reinforcement Learning and the Role of Behavior Regularization
von: Fukazawa, Kai, et al.
Veröffentlicht: (2025)

Scaling Law Phenomena Across Regression Paradigms: Multiple and Kernel Approaches
von: Chen, Yifang, et al.
Veröffentlicht: (2025)