:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Young, Spencer, Jenkins, Porter, Da, Longchao, Dotson, Jeff, Wei, Hua
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2406.09262
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

RegExplainer: Generating Explanations for Graph Neural Networks in Regression Tasks
di: Zhang, Jiaxing, et al.
Pubblicazione: (2023)

CityFlowER: An Efficient and Realistic Traffic Simulator with Embedded Machine Learning Models
di: Da, Longchao, et al.
Pubblicazione: (2024)

Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression
di: Shukla, Megh, et al.
Pubblicazione: (2025)

Semi-Supervised Regression with Heteroscedastic Pseudo-Labels
di: Sun, Xueqing, et al.
Pubblicazione: (2025)

Heteroscedastic Double Bayesian Elastic Net
di: Kimura, Masanari
Pubblicazione: (2025)

Assessing the Probabilistic Fit of Neural Regressors via Conditional Congruence
di: Young, Spencer, et al.
Pubblicazione: (2024)

TIC-TAC: A Framework for Improved Covariance Estimation in Deep Heteroscedastic Regression
di: Shukla, Megh, et al.
Pubblicazione: (2023)

Understanding When Poisson Log-Normal Models Outperform Penalized Poisson Regression for Microbiome Count Data
di: Agyapong, Daniel, et al.
Pubblicazione: (2026)

CAAL: Confidence-Aware Active Learning for Heteroscedastic Atmospheric Regression
di: Jiang, Fei, et al.
Pubblicazione: (2026)

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

Joint-Local Grounded Action Transformation for Sim-to-Real Transfer in Multi-Agent Traffic Control
di: Turnau, Justin, et al.
Pubblicazione: (2025)

Uncertainty-Aware Trajectory Prediction via Rule-Regularized Heteroscedastic Deep Classification
di: Manas, Kumar, et al.
Pubblicazione: (2025)

Levenshtein Distance Embedding with Poisson Regression for DNA Storage
di: Wei, Xiang, et al.
Pubblicazione: (2023)

A Framework for Variational Inference of Lightweight Bayesian Neural Networks with Heteroscedastic Uncertainties
di: Schodt, David J., et al.
Pubblicazione: (2024)

Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference
di: Sebastián, Carlos, et al.
Pubblicazione: (2024)

Heteroscedastic Neural Networks for Path Loss Prediction with Link-Specific Uncertainty
di: Ethier, Jonathan
Pubblicazione: (2025)

ALPCAHUS: Subspace Clustering for Heteroscedastic Data
di: Cavazos, Javier Salazar, et al.
Pubblicazione: (2025)

Symbolic Regression via Neural Networks
di: Boddupalli, Nibodh, et al.
Pubblicazione: (2026)

Personalized Product Assortment with Real-time 3D Perception and Bayesian Payoff Estimation
di: Jenkins, Porter, et al.
Pubblicazione: (2024)

Zero-Truncated Poisson Regression for Sparse Multiway Count Data Corrupted by False Zeros
di: López, Oscar, et al.
Pubblicazione: (2022)

Anchor-Based Heteroscedastic Noise for Preferential Bayesian Optimization
di: Sinaga, Marshal Arijona, et al.
Pubblicazione: (2024)

A Survey of Sim-to-Real Methods in RL: Progress, Prospects and Challenges with Foundation Models
di: Da, Longchao, et al.
Pubblicazione: (2025)

SPEED: Experimental Design for Policy Evaluation in Linear Heteroscedastic Bandits
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2023)

Theoretical Analysis of Heteroscedastic Gaussian Processes with Posterior Distributions
di: Ito, Yuji
Pubblicazione: (2024)

ALPCAH: Subspace Learning for Sample-wise Heteroscedastic Data
di: Cavazos, Javier Salazar, et al.
Pubblicazione: (2025)

Heteroscedastic Temporal Variational Autoencoder For Irregular Time Series
di: Shukla, Satya Narayan, et al.
Pubblicazione: (2021)

Deep Submodular Peripteral Networks
di: Bhatt, Gantavya, et al.
Pubblicazione: (2024)

Heteroscedastic Diffusion for Multi-Agent Trajectory Modeling
di: Capellera, Guillem, et al.
Pubblicazione: (2026)

On the Lipschitz Constant of Deep Networks and Double Descent
di: Gamba, Matteo, et al.
Pubblicazione: (2023)

H-AddiVortes: Heteroscedastic (Bayesian) Additive Voronoi Tessellations
di: Stone, Adam J., et al.
Pubblicazione: (2025)

A Skewness-Based Criterion for Addressing Heteroscedastic Noise in Causal Discovery
di: Lin, Yingyu, et al.
Pubblicazione: (2024)

Effective Causal Discovery under Identifiable Heteroscedastic Noise Model
di: Yin, Naiyu, et al.
Pubblicazione: (2023)

Probabilistic Wind Power Modelling via Heteroscedastic Non-Stationary Gaussian Processes
di: Ladopoulou, Domniki, et al.
Pubblicazione: (2025)

Moment Matters: Mean and Variance Causal Graph Discovery from Heteroscedastic Observational Data
di: Chikahara, Yoichi
Pubblicazione: (2026)

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

A Novel Theoretical Analysis for Clustering Heteroscedastic Gaussian Data without Knowledge of the Number of Clusters
di: Pastor, Dominique, et al.
Pubblicazione: (2026)

New Approximation Results and Optimal Estimation for Fully Connected Deep Neural Networks
di: Tang, Zhaoji
Pubblicazione: (2025)

Two-Timescale Linear Stochastic Approximation: Constant Stepsizes Go a Long Way
di: Kwon, Jeongyeol, et al.
Pubblicazione: (2024)

Expressive Symbolic Regression for Interpretable Models of Discrete-Time Dynamical Systems
di: Iyer, Adarsh, et al.
Pubblicazione: (2024)

Learning to Simulate: Generative Metamodeling via Quantile Regression
di: Hong, L. Jeff, et al.
Pubblicazione: (2023)