Buchumschlag

Physically Interpretable World Models via Weakly Supervised Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mao, Zhenjiang, Umasudhan, Mrinall Eashaan, Ruchkin, Ivan
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

How Safe Will I Be Given What I Saw? Calibrated Prediction of Safety Chances for Image-Controlled Autonomy
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2025)

Four Principles for Physically Interpretable World Models
von: Peper, Jordan, et al.
Veröffentlicht: (2025)

Zero-shot Safety Prediction for Autonomous Robots with Foundation World Models
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2024)

How Safe Am I Given What I See? Calibrated Prediction of Safety Chances for Image-Controlled Autonomy
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2023)

Language-Enhanced Latent Representations for Out-of-Distribution Detection in Autonomous Driving
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2024)

Temporalizing Confidence: Evaluation of Chain-of-Thought Reasoning with Signal Temporal Logic
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2025)

Confidence over Time: Confidence Calibration with Temporal Logic for Large Language Model Reasoning
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2026)

Interpretable Self-Supervised Learning via Representer Landmarks and Nyström Approximation
von: Zarvandi, Maedeh, et al.
Veröffentlicht: (2025)

Recurrent Confidence Chain: Temporal-Aware Uncertainty Quantification in Large Language Models
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2026)

DTMM: Deploying TinyML Models on Extremely Weak IoT Devices with Pruning
von: Han, Lixiang, et al.
Veröffentlicht: (2024)

Perturbation-based Graph Active Learning for Weakly-Supervised Belief Representation Learning
von: Sun, Dachun, et al.
Veröffentlicht: (2024)

Deterministic World Models for Verification of Closed-loop Vision-based Systems
von: Geng, Yuang, et al.
Veröffentlicht: (2025)

Weak Supervision for Real World Graphs
von: Nair, Pratheeksha, et al.
Veröffentlicht: (2025)

On Learning Latent Models with Multi-Instance Weak Supervision
von: Wang, Kaifu, et al.
Veröffentlicht: (2023)

Learning Interpretable Low-dimensional Representation via Physical Symmetry
von: Liu, Xuanjie, et al.
Veröffentlicht: (2023)

Weakly Supervised Label Learning Flows
von: Lu, You, et al.
Veröffentlicht: (2023)

Emergent Semantic Representations in World Models through Physical Interaction without Linguistic Supervision
von: Fang, Jiayi
Veröffentlicht: (2026)

Learning Stable Predictors from Weak Supervision under Distribution Shift
von: Shoeibi, Mehrdad, et al.
Veröffentlicht: (2026)

Finite-Sample Analysis of Elimination in Active Hypothesis Testing
von: Lin, Ziyuan, et al.
Veröffentlicht: (2026)

Weakly Supervised Pixel-Level Annotation with Visual Interpretability
von: Nasir, Basma, et al.
Veröffentlicht: (2025)

Weakly-Supervised Multimodal Learning on MIMIC-CXR
von: Agostini, Andrea, et al.
Veröffentlicht: (2024)

Active Learning with Weak Supervision for Gaussian Processes
von: Olmin, Amanda, et al.
Veröffentlicht: (2022)

Extracting Symbolic Sequences from Visual Representations via Self-Supervised Learning
von: Pozos, Victor Sebastian Martinez, et al.
Veröffentlicht: (2025)

On Discriminative Probabilistic Modeling for Self-Supervised Representation Learning
von: Wang, Bokun, et al.
Veröffentlicht: (2024)

Weakly Supervised Learning on Large Graphs
von: Prakash, Aditya
Veröffentlicht: (2025)

Weakly-Supervised Contrastive Learning for Imprecise Class Labels
von: Zhou, Zi-Hao, et al.
Veröffentlicht: (2025)

Physics-Informed Weakly Supervised Learning for Interatomic Potentials
von: Takamoto, Makoto, et al.
Veröffentlicht: (2024)

Bridging Dimensions: Confident Reachability for High-Dimensional Controllers
von: Geng, Yuang, et al.
Veröffentlicht: (2023)

Debiasing Machine Learning Models by Using Weakly Supervised Learning
von: Brotto, Renan D. B., et al.
Veröffentlicht: (2024)

Weakly Supervised Anomaly Detection via Knowledge-Data Alignment
von: Zhao, Haihong, et al.
Veröffentlicht: (2024)

Self-Supervised Graph Representation Learning via Global Context Prediction
von: Peng, Zhen, et al.
Veröffentlicht: (2020)

Towards Interpretable Deep Generative Models via Causal Representation Learning
von: Moran, Gemma E., et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Structure Learning in Prompted Weak Supervision
von: Su, Jinyan, et al.
Veröffentlicht: (2024)

Multi-Normal Prototypes Learning for Weakly Supervised Anomaly Detection
von: Dong, Zhijin, et al.
Veröffentlicht: (2024)

Beyond Learning on Molecules by Weakly Supervising on Molecules
von: Prastalo, Gordan, et al.
Veröffentlicht: (2026)

Operator Learning Using Weak Supervision from Walk-on-Spheres
von: Viswanath, Hrishikesh, et al.
Veröffentlicht: (2026)

Multimodal Information Retrieval for Open World with Edit Distance Weak Supervision
von: Solaiman, KMA, et al.
Veröffentlicht: (2025)

Self-Supervised Interpretable End-to-End Learning via Latent Functional Modularity
von: Seong, Hyunki, et al.
Veröffentlicht: (2024)

Quantifying Representation Reliability in Self-Supervised Learning Models
von: Park, Young-Jin, et al.
Veröffentlicht: (2023)

Weakly-Supervised Residual Evidential Learning for Multi-Instance Uncertainty Estimation
von: Liu, Pei, et al.
Veröffentlicht: (2024)