Buchumschlag

SEF: A Method for Computing Prediction Intervals by Shifting the Error Function in Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aretos, E. V., Sotiropoulos, D. G.
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

Conditional Shift-Robust Conformal Prediction for Graph Neural Network
von: Akansha, S.
Veröffentlicht: (2024)

Introducing Interval Neural Networks for Uncertainty-Aware System Identification
von: Ferah, Mehmet Ali, et al.
Veröffentlicht: (2025)

Z-Error Loss for Training Neural Networks
von: Godin, Guillaume
Veröffentlicht: (2025)

Enhancing Interval Type-2 Fuzzy Logic Systems: Learning for Precision and Prediction Intervals
von: Koklu, Ata, et al.
Veröffentlicht: (2024)

Explainable fault and severity classification for rolling element bearings using Kolmogorov-Arnold networks
von: Rigas, Spyros, et al.
Veröffentlicht: (2024)

CreINNs: Credal-Set Interval Neural Networks for Uncertainty Estimation in Classification Tasks
von: Wang, Kaizheng, et al.
Veröffentlicht: (2024)

Activation by Interval-wise Dropout: A Simple Way to Prevent Neural Networks from Plasticity Loss
von: Park, Sangyeon, et al.
Veröffentlicht: (2025)

Tube Loss: A Novel Approach for Prediction Interval Estimation
von: Anand, Pritam, et al.
Veröffentlicht: (2024)

Feature Shift Localization Network
von: Barrabés, Míriam, et al.
Veröffentlicht: (2025)

The Cost of Relaxation: Evaluating the Error in Convex Neural Network Verification
von: Papamichail, Merkouris, et al.
Veröffentlicht: (2026)

A Comparison of Methods for Neural Network Aggregation
von: Pomerat, John, et al.
Veröffentlicht: (2023)

CLUE: Neural Networks Calibration via Learning Uncertainty-Error alignment
von: Mendes, Pedro, et al.
Veröffentlicht: (2025)

Neural Horizon Model Predictive Control -- Increasing Computational Efficiency with Neural Networks
von: Alsmeier, Hendrik, et al.
Veröffentlicht: (2024)

CONTINA: Confidence Interval for Traffic Demand Prediction with Coverage Guarantee
von: Yang, Chao, et al.
Veröffentlicht: (2025)

Unveil Sources of Uncertainty: Feature Contribution to Conformal Prediction Intervals
von: Idrissi, Marouane Il, et al.
Veröffentlicht: (2025)

Mask-PINNs: Mitigating Internal Covariate Shift in Physics-Informed Neural Networks
von: Jiang, Feilong, et al.
Veröffentlicht: (2025)

On Newton's Method to Unlearn Neural Networks
von: Bui, Nhung, et al.
Veröffentlicht: (2024)

Learning for Interval Prediction of Electricity Demand: A Cluster-based Bootstrapping Approach
von: Dube, Rohit, et al.
Veröffentlicht: (2023)

Learning from Yesterday's Error: An Efficient Online Learning Method for Traffic Demand Prediction
von: Huang, Xiannan, et al.
Veröffentlicht: (2026)

Aligning Evaluation with Clinical Priorities: Calibration, Label Shift, and Error Costs
von: Flores, Gerardo A., et al.
Veröffentlicht: (2025)

A Functional Perspective on Knowledge Distillation in Neural Networks
von: Mason-Williams, Israel, et al.
Veröffentlicht: (2025)

ShiftAddNAS: Hardware-Inspired Search for More Accurate and Efficient Neural Networks
von: You, Haoran, et al.
Veröffentlicht: (2022)

Towards Trustworthy Vital Sign Forecasting: Leveraging Uncertainty for Prediction Intervals
von: Wang, Li Rong, et al.
Veröffentlicht: (2025)

QuantSightBench: Evaluating LLM Quantitative Forecasting with Prediction Intervals
von: Qin, Jeremy, et al.
Veröffentlicht: (2026)

ShapShift: Explaining Model Prediction Shifts with Subgroup Conditional Shapley Values
von: Bewley, Tom, et al.
Veröffentlicht: (2026)

Learning When to Act: Interval-Aware Reinforcement Learning with Predictive Temporal Structure
von: Di Gioia, Davide
Veröffentlicht: (2026)

Conformalized Link Prediction on Graph Neural Networks
von: Zhao, Tianyi, et al.
Veröffentlicht: (2024)

ShiftAddAug: Augment Multiplication-Free Tiny Neural Network with Hybrid Computation
von: Guo, Yipin, et al.
Veröffentlicht: (2024)

Quantifying Calibration Error in Neural Networks Through Evidence-Based Theory
von: Ouattara, Koffi Ismael, et al.
Veröffentlicht: (2024)

Trustworthy Graph Neural Networks: Aspects, Methods and Trends
von: Zhang, He, et al.
Veröffentlicht: (2022)

Applied Machine Learning Methods with Long-Short Term Memory Based Recurrent Neural Networks for Multivariate Temperature Prediction
von: Lukić, Bojan
Veröffentlicht: (2025)

IDInit: A Universal and Stable Initialization Method for Neural Network Training
von: Pan, Yu, et al.
Veröffentlicht: (2025)

GRExplainer: A Universal Explanation Method for Temporal Graph Neural Networks
von: Li, Xuyan, et al.
Veröffentlicht: (2025)

Developing the Temporal Graph Convolutional Neural Network Model to Predict Hip Replacement using Electronic Health Records
von: Hancox, Zoe, et al.
Veröffentlicht: (2024)

Conformal Prediction Adaptive to Unknown Subpopulation Shifts
von: Wang, Nien-Shao, et al.
Veröffentlicht: (2025)

Zadeh's Type-2 Fuzzy Logic Systems: Precision and High-Quality Prediction Intervals
von: Guven, Yusuf, et al.
Veröffentlicht: (2024)

Is More Context Always Better? Examining LLM Reasoning Capability for Time Interval Prediction
von: Cao, Yanan, et al.
Veröffentlicht: (2026)

Short-term Streamflow and Flood Forecasting based on Graph Convolutional Recurrent Neural Network and Residual Error Learning
von: Pan, Xiyu, et al.
Veröffentlicht: (2024)

Gradient Routing: Masking Gradients to Localize Computation in Neural Networks
von: Cloud, Alex, et al.
Veröffentlicht: (2024)

Out-of-distribution Reject Option Method for Dataset Shift Problem in Early Disease Onset Prediction
von: Tosaki, Taisei, et al.
Veröffentlicht: (2024)