Copertina

Improving Label Error Detection and Elimination with Uncertainty Quantification

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jakubik, Johannes, Vössing, Michael, Maskey, Manil, Wölfle, Christopher, Satzger, Gerhard
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Data-Centric Artificial Intelligence
di: Jakubik, Johannes, et al.
Pubblicazione: (2022)

AI Reliance and Decision Quality: Fundamentals, Interdependence, and the Effects of Interventions
di: Schoeffer, Jakob, et al.
Pubblicazione: (2023)

Complementarity in Human-AI Collaboration: Concept, Sources, and Evidence
di: Hemmer, Patrick, et al.
Pubblicazione: (2024)

Improved Uncertainty Quantification in Physics-Informed Neural Networks Using Error Bounds and Solution Bundles
di: Flores, Pablo, et al.
Pubblicazione: (2025)

The Role of Ambiguity in Error Prediction via Uncertainty Quantification
di: Staliūnaitė, Ieva Raminta, et al.
Pubblicazione: (2026)

Improving Counterfactual Truthfulness for Molecular Property Prediction through Uncertainty Quantification
di: Teufel, Jonas, et al.
Pubblicazione: (2025)

A Simple and Effective Method for Uncertainty Quantification and OOD Detection
di: Ma, Yaxin, et al.
Pubblicazione: (2025)

Explainability in AI Based Applications: A Framework for Comparing Different Techniques
di: Grobrugge, Arne, et al.
Pubblicazione: (2024)

Uncertainty Quantification in the Tsetlin Machine
di: Helin, Runar, et al.
Pubblicazione: (2025)

Uncertainty Quantification in SVM prediction
di: Anand, Pritam
Pubblicazione: (2025)

Reliable Trajectory Prediction and Uncertainty Quantification with Conditioned Diffusion Models
di: Neumeier, Marion, et al.
Pubblicazione: (2024)

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

Fair Uncertainty Quantification for Depression Prediction
di: Li, Yonghong, et al.
Pubblicazione: (2025)

Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
di: Lafage, Adrien, et al.
Pubblicazione: (2025)

Complex-Valued Unitary Representations as Classification Heads for Improved Uncertainty Quantification in Deep Neural Networks
di: Jafari, Akbar Anbar, et al.
Pubblicazione: (2026)

Black-box Uncertainty Quantification Method for LLM-as-a-Judge
di: Wagner, Nico, et al.
Pubblicazione: (2024)

Improving Uncertainty Quantification in Large Language Models via Semantic Embeddings
di: Grewal, Yashvir S., et al.
Pubblicazione: (2024)

A Rate-Distortion View of Uncertainty Quantification
di: Apostolopoulou, Ifigeneia, et al.
Pubblicazione: (2024)

Uncertainty Quantification via Stable Distribution Propagation
di: Petersen, Felix, et al.
Pubblicazione: (2024)

GNN's Uncertainty Quantification using Self-Distillation
di: Daneshvar, Hirad, et al.
Pubblicazione: (2025)

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

Towards Uncertainty Quantification in Generative Model Learning
di: Morales, Giorgio, et al.
Pubblicazione: (2025)

Adviser-Actor-Critic: Eliminating Steady-State Error in Reinforcement Learning Control
di: Chen, Donghe, et al.
Pubblicazione: (2025)

WxC-Bench: A Novel Dataset for Weather and Climate Downstream Tasks
di: Shinde, Rajat, et al.
Pubblicazione: (2024)

Uncertainty Quantification for Transformer Models for Dark-Pattern Detection
di: Muñoz, Javier, et al.
Pubblicazione: (2024)

Uncertainty Quantification for Gradient-based Explanations in Neural Networks
di: Mulye, Mihir, et al.
Pubblicazione: (2024)

Quantile-Free Uncertainty Quantification in Graph Neural Networks
di: park, Soyoung, et al.
Pubblicazione: (2026)

Conf-Gen: Conformal Uncertainty Quantification for Generative Models
di: Loaiza-Ganem, Gabriel, et al.
Pubblicazione: (2026)

Uncertainty Quantification for Machine Learning in Healthcare: A Survey
di: López, L. Julián Lechuga, et al.
Pubblicazione: (2025)

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

Model-Agnostic Dynamic Feature Selection with Uncertainty Quantification
di: Fumanal-Idocin, Javier, et al.
Pubblicazione: (2025)

Dynamic Continual Learning: Harnessing Parameter Uncertainty for Improved Network Adaptation
di: Angelini, Christopher, et al.
Pubblicazione: (2025)

Improving Detection of Rare Nodes in Hierarchical Multi-Label Learning
di: Xu, Isaac, et al.
Pubblicazione: (2026)

FedSI: Federated Subnetwork Inference for Efficient Uncertainty Quantification
di: Chen, Hui, et al.
Pubblicazione: (2024)

The Probabilistic Tsetlin Machine: A Novel Approach to Uncertainty Quantification
di: Abeyrathna, K. Darshana, et al.
Pubblicazione: (2024)

Robust Uncertainty Quantification Using Conformalised Monte Carlo Prediction
di: Bethell, Daniel, et al.
Pubblicazione: (2023)

LLMs Uncertainty Quantification via Adaptive Conformal Semantic Entropy
di: Karimi, Hamed, et al.
Pubblicazione: (2026)

Uncertainty Quantification of Deep Learning for Spatiotemporal Data: Challenges and Opportunities
di: He, Wenchong, et al.
Pubblicazione: (2023)

Uncertainty Quantification for Surface Ozone Emulators using Deep Learning
di: Doerksen, Kelsey, et al.
Pubblicazione: (2025)

Soft-Label Training Preserves Epistemic Uncertainty
di: Singh, Agamdeep, et al.
Pubblicazione: (2025)