Buchumschlag

ForeCal: Random Forest-based Calibration for DNNs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Nigam, Dhruv
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

Random Forest Calibration
von: Shaker, Mohammad Hossein, et al.
Veröffentlicht: (2025)

Open Set Recognition for Random Forest
von: Feng, Guanchao, et al.
Veröffentlicht: (2024)

Explainable Unsupervised Anomaly Detection with Random Forest
von: Harvey, Joshua S., et al.
Veröffentlicht: (2025)

Case-based Explainability for Random Forest: Prototypes, Critics, Counter-factuals and Semi-factuals
von: Yampolsky, Gregory, et al.
Veröffentlicht: (2024)

FeatCal: Feature Calibration for Post-Merging Models
von: Gu, Yanggan, et al.
Veröffentlicht: (2026)

Random weights of DNNs and emergence of fixed points
von: Berlyand, L., et al.
Veröffentlicht: (2025)

LUMOS: Large User MOdels for User Behavior Prediction
von: Nigam, Dhruv, et al.
Veröffentlicht: (2025)

Cal-DPO: Calibrated Direct Preference Optimization for Language Model Alignment
von: Xiao, Teng, et al.
Veröffentlicht: (2024)

CalArena: A Large-Scale Post-Hoc Calibration Benchmark
von: Berta, Eugène, et al.
Veröffentlicht: (2026)

Expressivity of congruence-based architectures for DNNs on positive-definite matrices
von: Oswald, Antonin, et al.
Veröffentlicht: (2026)

Quantile Regression using Random Forest Proximities
von: Li, Mingshu, et al.
Veröffentlicht: (2024)

Cal-QL: Calibrated Offline RL Pre-Training for Efficient Online Fine-Tuning
von: Nakamoto, Mitsuhiko, et al.
Veröffentlicht: (2023)

On Hardening DNNs against Noisy Computations
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Heterogeneous Random Forest
von: Kim, Ye-eun, et al.
Veröffentlicht: (2024)

Enhanced Local Explainability and Trust Scores with Random Forest Proximities
von: Rosaler, Joshua, et al.
Veröffentlicht: (2023)

Complexity of One-Dimensional ReLU DNNs
von: Kogan, Jonathan, et al.
Veröffentlicht: (2025)

MMD-based Variable Importance for Distributional Random Forest
von: Bénard, Clément, et al.
Veröffentlicht: (2023)

ReCalKV: Low-Rank KV Cache Compression via Head Reordering and Offline Calibration
von: Yan, Xianglong, et al.
Veröffentlicht: (2025)

Neural Random Forest Imitation
von: Reinders, Christoph, et al.
Veröffentlicht: (2019)

Jacobian Aligned Random Forests
von: Rauniyar, Sarwesh
Veröffentlicht: (2025)

Random Similarity Isolation Forests
von: Chwilczyński, Sebastian, et al.
Veröffentlicht: (2025)

Improving Random Forests by Smoothing
von: Liu, Ziyi, et al.
Veröffentlicht: (2025)

Lassoed Forests: Random Forests with Adaptive Lasso Post-selection
von: Shang, Jing, et al.
Veröffentlicht: (2025)

RFOD: Random Forest-based Outlier Detection for Tabular Data
von: Ang, Yihao, et al.
Veröffentlicht: (2025)

FedCal: Achieving Local and Global Calibration in Federated Learning via Aggregated Parameterized Scaler
von: Peng, Hongyi, et al.
Veröffentlicht: (2024)

Exogenous Randomness Empowering Random Forests
von: Mei, Tianxing, et al.
Veröffentlicht: (2024)

Supporting Safety Analysis of Image-processing DNNs through Clustering-based Approaches
von: Attaoui, Mohammed Oualid, et al.
Veröffentlicht: (2023)

Hyperbolic Random Forests
von: Doorenbos, Lars, et al.
Veröffentlicht: (2023)

Autoencoding Random Forests
von: Vu, Binh Duc, et al.
Veröffentlicht: (2025)

Forest-Guided Clustering -- Shedding Light into the Random Forest Black Box
von: Sousa, Lisa Barros de Andrade e, et al.
Veröffentlicht: (2025)

Grafting: Making Random Forests Consistent
von: Waltz, Nicholas
Veröffentlicht: (2024)

Random Forest-Supervised Manifold Alignment
von: Rhodes, Jake S., et al.
Veröffentlicht: (2024)

When do Random Forests work?
von: Revelas, C., et al.
Veröffentlicht: (2025)

Prediction Error Estimation in Random Forests
von: Krupkin, Ian, et al.
Veröffentlicht: (2023)

A Framework to Enable Algorithmic Design Choice Exploration in DNNs
von: Cronin IV, Timothy L., et al.
Veröffentlicht: (2024)

Theoretical Analysis of Robust Overfitting for Wide DNNs: An NTK Approach
von: Fu, Shaopeng, et al.
Veröffentlicht: (2023)

Random Forest Weighted Local Fréchet Regression with Random Objects
von: Qiu, Rui, et al.
Veröffentlicht: (2022)

Carbon Intensity-Aware Adaptive Inference of DNNs
von: Jung, Jiwan
Veröffentlicht: (2024)

CEAR: Certified Ensemble Adversarial Robustness in DNNs
von: Sadig, Daniel, et al.
Veröffentlicht: (2026)

ForeSWE: Forecasting Snow-Water Equivalent with an Uncertainty-Aware Attention Model
von: Thapa, Krishu K, et al.
Veröffentlicht: (2025)