Buchumschlag

On Uncertainty Quantification for Near-Bayes Optimal Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ziyu, Holmes, Chris
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Subjective Uncertainty Quantification and Calibration in Natural Language Generation
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

Is In-Context Learning in Large Language Models Bayesian? A Martingale Perspective
von: Falck, Fabian, et al.
Veröffentlicht: (2024)

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

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

Functional PCA and Deep Neural Networks-based Bayesian Inverse Uncertainty Quantification with Transient Experimental Data
von: Xie, Ziyu, et al.
Veröffentlicht: (2023)

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

Near-Optimality of Contrastive Divergence Algorithms
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

ROOT-SGD: Sharp Nonasymptotics and Near-Optimal Asymptotics in a Single Algorithm
von: Li, Chris Junchi, et al.
Veröffentlicht: (2020)

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

Nearly-Optimal Algorithm for Adversarial Kernelized Bandits
von: Iwazaki, Shogo
Veröffentlicht: (2026)

Near Optimal Inference for the Best-Performing Algorithm
von: Painsky, Amichai
Veröffentlicht: (2025)

Near-Optimal Algorithms for Omniprediction
von: Okoroafor, Princewill, et al.
Veröffentlicht: (2025)

Near-Optimal Algorithm for Non-Stationary Kernelized Bandits
von: Iwazaki, Shogo, et al.
Veröffentlicht: (2024)

Scaling Effects and Uncertainty Quantification in Neural Actor Critic Algorithms
von: Georgoudios, Nikos, et al.
Veröffentlicht: (2026)

Clus-UCB: A Near-Optimal Algorithm for Clustered Bandits
von: Gore, Aakash, et al.
Veröffentlicht: (2025)

Statistical Inference in Tensor Completion: Optimal Uncertainty Quantification and Statistical-to-Computational Gaps
von: Ma, Wanteng, 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)

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

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

Cheap Bootstrap for Fast Uncertainty Quantification of Stochastic Gradient Descent
von: Lam, Henry, et al.
Veröffentlicht: (2023)

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)

Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback
von: Di, Qiwei, et al.
Veröffentlicht: (2024)

Near-Optimal Algorithms for Making the Gradient Small in Stochastic Minimax Optimization
von: Chen, Lesi, et al.
Veröffentlicht: (2022)

Decision Theoretic Foundations for Conformal Prediction: Optimal Uncertainty Quantification for Risk-Averse Agents
von: Kiyani, Shayan, et al.
Veröffentlicht: (2025)

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)

Multivariate Bayesian Last Layer for Regression with Uncertainty Quantification and Decomposition
von: Wang, Han, et al.
Veröffentlicht: (2024)

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)

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

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

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)

Tackling Fake Forgetting through Uncertainty Quantification
von: Shi, Yingdan, et al.
Veröffentlicht: (2025)