Buchumschlag

Uncertainty quantification in metric spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lugosi, Gábor, Matabuena, Marcos
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Uncertainty quantification for intervals
von: Meixide, Carlos García, et al.
Veröffentlicht: (2024)

Testing properties of trees in graphical models with covariance queries
von: Burova, Sofiya, et al.
Veröffentlicht: (2026)

Ratio Covers of Convex Sets and Optimal Mixture Density Estimation
von: Compton, Spencer, et al.
Veröffentlicht: (2026)

Robust, sub-Gaussian mean estimators in metric spaces
von: Bartl, Daniel, et al.
Veröffentlicht: (2025)

Inferring the mixing properties of an ergodic process
von: Khaleghi, Azadeh, et al.
Veröffentlicht: (2021)

Uncertainty quantification for iterative algorithms in linear models with application to early stopping
von: Bellec, Pierre C., et al.
Veröffentlicht: (2024)

Uncertainty quantification by block bootstrap for differentially private stochastic gradient descent
von: Dette, Holger, et al.
Veröffentlicht: (2024)

Property testing in graphical models: testing small separation numbers
von: Devroye, Luc, et al.
Veröffentlicht: (2024)

Variational bagging: a robust approach for Bayesian uncertainty quantification
von: Fan, Shitao, et al.
Veröffentlicht: (2025)

Score-based generative models are provably robust: an uncertainty quantification perspective
von: Mimikos-Stamatopoulos, Nikiforos, et al.
Veröffentlicht: (2024)

The surrogate Gibbs-posterior of a corrected stochastic MALA: Towards uncertainty quantification for neural networks
von: Bieringer, Sebastian, et al.
Veröffentlicht: (2023)

Robust Estimation in metric spaces: Achieving Exponential Concentration with a Fréchet Median
von: Kim, Jakwang, et al.
Veröffentlicht: (2025)

Causal survival embeddings: non-parametric counterfactual inference under censoring
von: García-Meixide, Carlos, et al.
Veröffentlicht: (2023)

On public and private binary classification with metric space valued predictors
von: Györfi, László, et al.
Veröffentlicht: (2026)

On Uncertainty Calibration for Equivariant Functions
von: Berman, Edward, et al.
Veröffentlicht: (2025)

Learning latent tree models with small query complexity
von: Devroye, Luc, et al.
Veröffentlicht: (2024)

Decomposing Probabilistic Scores: Reliability, Information Loss and Uncertainty
von: Charpentier, Arthur, et al.
Veröffentlicht: (2026)

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

Probabilistic computation and uncertainty quantification with emerging covariance
von: Ma, Hengyuan, et al.
Veröffentlicht: (2023)

Fine-Grained Uncertainty Quantification via Collisions
von: Friedbaum, Jesse, et al.
Veröffentlicht: (2024)

A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning
von: Dewolf, Nicolas
Veröffentlicht: (2024)

Statistical Inference in Tensor Completion: Optimal Uncertainty Quantification and Statistical-to-Computational Gaps
von: Ma, Wanteng, et al.
Veröffentlicht: (2024)

Learning conditional distributions on continuous spaces
von: Bénézet, Cyril, et al.
Veröffentlicht: (2024)

Metric space valued Fréchet regression
von: Györfi, László, et al.
Veröffentlicht: (2026)

Beyond Sin-Squared Error: Linear-Time Entrywise Uncertainty Quantification for Streaming PCA
von: Kumar, Syamantak, et al.
Veröffentlicht: (2025)

Neural Conditional Probability for Uncertainty Quantification
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Beyond Uncertainty Sets: Leveraging Optimal Transport to Extend Conformal Predictive Distribution to Multivariate Settings
von: Ndiaye, Eugene
Veröffentlicht: (2025)

Post-Hoc Uncertainty Quantification in Pre-Trained Neural Networks via Activation-Level Gaussian Processes
von: Bergna, Richard, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of MLE for Entity Ranking with Covariates
von: Fan, Jianqing, et al.
Veröffentlicht: (2022)

Flow-based generative models as iterative algorithms in probability space
von: Xie, Yao, et al.
Veröffentlicht: (2025)

Consistent estimation of generative model representations in the data kernel perspective space
von: Acharyya, Aranyak, et al.
Veröffentlicht: (2024)

Non-asymptotic confidence regions on RKHS. The Paley-Wiener and standard Sobolev space cases
von: Gamboa, Fabrice, et al.
Veröffentlicht: (2025)

Geometric Calibration and Neutral Zones for Uncertainty-Aware Multi-Class Classification
von: Das, Soumojit, et al.
Veröffentlicht: (2025)

Robust Predictive Uncertainty and Double Descent in Contaminated Bayesian Random Features
von: Caprio, Michele, et al.
Veröffentlicht: (2026)

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

Stochastic Deep Learning: A Probabilistic Framework for Modeling Uncertainty in Structured Temporal Data
von: Rice, James
Veröffentlicht: (2026)

Orthogonal Bootstrap: Efficient Simulation of Input Uncertainty
von: Liu, Kaizhao, et al.
Veröffentlicht: (2024)

Finite sample bounds for barycenter estimation in geodesic spaces
von: Brunel, Victor-Emmanuel, et al.
Veröffentlicht: (2025)

Can Linear Probes Measure LLM Uncertainty?
von: Dakhmouche, Ramzi, et al.
Veröffentlicht: (2025)