Copertina

Is Epistemic Uncertainty Faithfully Represented by Evidential Deep Learning Methods?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jürgens, Mira, Meinert, Nis, Bengs, Viktor, Hüllermeier, Eyke, Waegeman, Willem
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A calibration test for evaluating set-based epistemic uncertainty representations
di: Jürgens, Mira, et al.
Pubblicazione: (2025)

Position: Epistemic uncertainty estimation methods are fundamentally incomplete
di: Jiménez, Sebastián, et al.
Pubblicazione: (2025)

Calibrated Preference Learning: The Case of Label Ranking
di: Thies, Santo M. A. R., et al.
Pubblicazione: (2026)

Optimal Conformal Prediction under Epistemic Uncertainty
di: Javanmardi, Alireza, et al.
Pubblicazione: (2025)

Conformal Prediction for Uncertainty Estimation in Drug-Target Interaction Prediction
di: Rakhshaninejad, Morteza, et al.
Pubblicazione: (2025)

Aleatoric and Epistemic Uncertainty Measures for Ordinal Classification through Binary Reduction
di: Haas, Stefan, et al.
Pubblicazione: (2025)

A Survey of Reinforcement Learning from Human Feedback
di: Kaufmann, Timo, et al.
Pubblicazione: (2023)

Pairwise Difference Learning for Classification
di: Belaid, Mohamed Karim, et al.
Pubblicazione: (2024)

Co-Exploration and Co-Exploitation via Shared Structure in Multi-Task Bandits
di: Mukherjee, Sumantrak, et al.
Pubblicazione: (2025)

Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
di: Sokol, Kacper, et al.
Pubblicazione: (2025)

Quantifying Aleatoric and Epistemic Uncertainty with Proper Scoring Rules
di: Hofman, Paul, et al.
Pubblicazione: (2024)

Approximating the Shapley Value without Marginal Contributions
di: Kolpaczki, Patrick, et al.
Pubblicazione: (2023)

Conformal Prediction in Hierarchical Classification with Constrained Representation Complexity
di: Mortier, Thomas, et al.
Pubblicazione: (2025)

Antithetic Sampling for Top-k Shapley Identification
di: Kolpaczki, Patrick, et al.
Pubblicazione: (2025)

shapiq: Shapley Interactions for Machine Learning
di: Muschalik, Maximilian, et al.
Pubblicazione: (2024)

When should we trust the annotation? Selective prediction for molecular structure retrieval from mass spectra
di: Jürgens, Mira, et al.
Pubblicazione: (2026)

KernelSHAP-IQ: Weighted Least-Square Optimization for Shapley Interactions
di: Fumagalli, Fabian, et al.
Pubblicazione: (2024)

ALPBench: A Benchmark for Active Learning Pipelines on Tabular Data
di: Margraf, Valentin, et al.
Pubblicazione: (2024)

Uncertainty Regularized Evidential Regression
di: Ye, Kai, et al.
Pubblicazione: (2024)

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

Quantification of Credal Uncertainty: A Distance-Based Approach
di: Gonzalez-Garcia, Xabier, et al.
Pubblicazione: (2026)

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

Reducing Aleatoric and Epistemic Uncertainty through Multi-modal Data Acquisition
di: Hoarau, Arthur, et al.
Pubblicazione: (2025)

CUQ-GNN: Committee-based Graph Uncertainty Quantification using Posterior Networks
di: Damke, Clemens, et al.
Pubblicazione: (2024)

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

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

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

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

Uncertainty Quantification for Machine Learning: One Size Does Not Fit All
di: Hofman, Paul, et al.
Pubblicazione: (2025)

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

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

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

Adjusted Count Quantification Learning on Graphs
di: Damke, Clemens, et al.
Pubblicazione: (2025)

Deep Ensembles for Epistemic Uncertainty: A Frequentist Perspective
di: Jain, Anchit, et al.
Pubblicazione: (2025)

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

Epistemic Uncertainty-aware Recommendation Systems via Bayesian Deep Ensemble Learning
di: Cheraghi, Radin, et al.
Pubblicazione: (2025)

Quantifying Epistemic Uncertainty in Diffusion Models
di: Gupta, Aditi, et al.
Pubblicazione: (2026)

Epistemic Uncertainty for Test-Time Discovery
di: Riaz, Kainat, et al.
Pubblicazione: (2026)

Proxy-Based Approximation of Shapley and Banzhaf Interactions
di: Thies, Santo M. A. R., et al.
Pubblicazione: (2026)

Exact Computation of Any-Order Shapley Interactions for Graph Neural Networks
di: Muschalik, Maximilian, et al.
Pubblicazione: (2025)