Buchumschlag

Combine and Conquer: A Meta-Analysis on Data Shift and Out-of-Distribution Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dadalto, Eduardo, Alberge, Florence, Duhamel, Pierre, Piantanida, Pablo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond the Norms: Detecting Prediction Errors in Regression Models
von: Altieri, Andres, et al.
Veröffentlicht: (2024)

A Data-Driven Measure of Relative Uncertainty for Misclassification Detection
von: Dadalto, Eduardo, et al.
Veröffentlicht: (2023)

Fundamental Limits of Membership Inference Attacks on Machine Learning Models
von: Aubinais, Eric, et al.
Veröffentlicht: (2023)

A Strong Baseline for Molecular Few-Shot Learning
von: Formont, Philippe, et al.
Veröffentlicht: (2024)

MolRGen: A Training and Evaluation Setting for De Novo Molecular Generation with Reasonning Models
von: Formont, Philippe, et al.
Veröffentlicht: (2026)

Optimal Zero-Shot Detector for Multi-Armed Attacks
von: Granese, Federica, et al.
Veröffentlicht: (2024)

Score-based Conditional Out-of-Distribution Augmentation for Graph Covariate Shift
von: Wang, Bohan, et al.
Veröffentlicht: (2024)

ECUAS$_n$: A family of metrics for principled evaluation of uncertainty-augmented systems
von: Estienne, Lautaro, et al.
Veröffentlicht: (2026)

Distribution Shifts at Scale: Out-of-distribution Detection in Earth Observation
von: Ekim, Burak, et al.
Veröffentlicht: (2024)

Deceptive Risk Minimization: Out-of-Distribution Generalization by Deceiving Distribution Shift Detectors
von: Majumdar, Anirudha
Veröffentlicht: (2025)

Survival Models: Proper Scoring Rule and Stochastic Optimization with Competing Risks
von: Alberge, Julie, et al.
Veröffentlicht: (2024)

A Median Perspective on Unlabeled Data for Out-of-Distribution Detection
von: Abbas, Momin, et al.
Veröffentlicht: (2025)

Rethinking Distribution Shifts: Empirical Analysis and Inductive Modeling for Tabular Data
von: Wang, Tianyu, et al.
Veröffentlicht: (2023)

Out-of-Distribution Detection using Synthetic Data Generation
von: Abbas, Momin, et al.
Veröffentlicht: (2025)

Can Your Generative Model Detect Out-of-Distribution Covariate Shift?
von: Viviers, Christiaan, et al.
Veröffentlicht: (2024)

Adaptive Individual Uncertainty under Out-Of-Distribution Shift with Expert-Routed Conformal Prediction
von: Badkul, Amitesh, et al.
Veröffentlicht: (2025)

Probabilistic Trust Intervals for Out of Distribution Detection
von: Singh, Gagandeep, et al.
Veröffentlicht: (2021)

Out-of-Distribution Detection using Counterfactual Distance
von: Stoica, Maria, et al.
Veröffentlicht: (2025)

Meta-learning to Address Data Shift in Time Series Classification
von: Myren, Samuel, et al.
Veröffentlicht: (2026)

DEEDEE: Fast and Scalable Out-of-Distribution Dynamics Detection
von: Aljaafari, Tala, et al.
Veröffentlicht: (2025)

Improving Out-of-Distribution Detection by Combining Existing Post-hoc Methods
von: Novello, Paul, et al.
Veröffentlicht: (2024)

Unsupervised Layer-wise Score Aggregation for Textual OOD Detection
von: Darrin, Maxime, et al.
Veröffentlicht: (2023)

Alleviating Structural Distribution Shift in Graph Anomaly Detection
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

When is an Embedding Model More Promising than Another?
von: Darrin, Maxime, et al.
Veröffentlicht: (2024)

Mitigating Overconfidence in Out-of-Distribution Detection by Capturing Extreme Activations
von: Azizmalayeri, Mohammad, et al.
Veröffentlicht: (2024)

Taming False Positives in Out-of-Distribution Detection with Human Feedback
von: Vishwakarma, Harit, et al.
Veröffentlicht: (2024)

GOODAT: Towards Test-time Graph Out-of-Distribution Detection
von: Wang, Luzhi, et al.
Veröffentlicht: (2024)

ConjNorm: Tractable Density Estimation for Out-of-Distribution Detection
von: Peng, Bo, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection with a Single Unconditional Diffusion Model
von: Heng, Alvin, et al.
Veröffentlicht: (2024)

Rethinking Out-of-Distribution Detection for Reinforcement Learning: Advancing Methods for Evaluation and Detection
von: Nasvytis, Linas, et al.
Veröffentlicht: (2024)

SGOOD: Substructure-enhanced Graph-Level Out-of-Distribution Detection
von: Ding, Zhihao, et al.
Veröffentlicht: (2023)

Feature Bank Enhancement for Distance-based Out-of-Distribution Detection
von: Liu, Yuhang, et al.
Veröffentlicht: (2025)

Rectified Lagrangian for Out-of-Distribution Detection in Modern Hopfield Networks
von: Moriai, Ryo, et al.
Veröffentlicht: (2025)

Non-Linear Outlier Synthesis for Out-of-Distribution Detection
von: Doorenbos, Lars, et al.
Veröffentlicht: (2024)

Modeling the Data-Generating Process is Necessary for Out-of-Distribution Generalization
von: Kaur, Jivat Neet, et al.
Veröffentlicht: (2022)

Task-Aware Virtual Training: Enhancing Generalization in Meta-Reinforcement Learning for Out-of-Distribution Tasks
von: Kim, Jeongmo, et al.
Veröffentlicht: (2025)

Expecting The Unexpected: Towards Broad Out-Of-Distribution Detection
von: Guille-Escuret, Charles, et al.
Veröffentlicht: (2023)

Forward-Forward Learning achieves Highly Selective Latent Representations for Out-of-Distribution Detection in Fully Spiking Neural Networks
von: Terres-Escudero, Erik B., et al.
Veröffentlicht: (2024)

Adaptive Scoring and Thresholding with Human Feedback for Robust Out-of-Distribution Detection
von: Yamada, Daisuke, et al.
Veröffentlicht: (2025)

Generative Adversarial Evasion and Out-of-Distribution Detection for UAV Cyber-Attacks
von: Panda, Deepak Kumar, et al.
Veröffentlicht: (2025)