:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Liang, Fuhang, Xu, Rucong, Lin, Deng
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2501.05809
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Efficient Epistemic Uncertainty Estimation in Regression Ensemble Models Using Pairwise-Distance Estimators
di: Berry, Lucas, et al.
Pubblicazione: (2023)

Hinge-Wasserstein: Estimating Multimodal Aleatoric Uncertainty in Regression Tasks
di: Xiong, Ziliang, et al.
Pubblicazione: (2023)

How to Evaluate Uncertainty Estimates in Machine Learning for Regression?
di: Sluijterman, Laurens, et al.
Pubblicazione: (2021)

Gradient Aligned Regression via Pairwise Losses
di: Zhu, Dixian, et al.
Pubblicazione: (2024)

AdaTrans: Feature-wise and Sample-wise Adaptive Transfer Learning for High-dimensional Regression
di: He, Zelin, et al.
Pubblicazione: (2024)

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

Post Hoc Regression Refinement via Pairwise Rankings
di: Wijaya, Kevin Tirta, et al.
Pubblicazione: (2025)

Symbolic Regression as Feature Engineering Method for Machine and Deep Learning Regression Tasks
di: Shmuel, Assaf, et al.
Pubblicazione: (2023)

Adaptive Learning for Quantum Linear Regression
di: Carugno, Costantino, et al.
Pubblicazione: (2024)

Hinge Regression Tree: A Newton Method for Oblique Regression Tree Splitting
di: Li, Hongyi, et al.
Pubblicazione: (2026)

Transforming Conditional Density Estimation Into a Single Nonparametric Regression Task
di: Reisach, Alexander G., et al.
Pubblicazione: (2025)

Adaptive Active Learning for Regression via Reinforcement Learning
di: Nguyen, Simon D., et al.
Pubblicazione: (2026)

IM-Context: In-Context Learning for Imbalanced Regression Tasks
di: Nejjar, Ismail, et al.
Pubblicazione: (2024)

AdaMerging: Adaptive Model Merging for Multi-Task Learning
di: Yang, Enneng, et al.
Pubblicazione: (2023)

Task Generalization With AutoRegressive Compositional Structure: Can Learning From $D$ Tasks Generalize to $D^{T}$ Tasks?
di: Abedsoltan, Amirhesam, et al.
Pubblicazione: (2025)

Uncertainty Quantification Metrics for Deep Regression
di: Lind, Simon Kristoffersson, et al.
Pubblicazione: (2024)

Model-Robust and Adaptive-Optimal Transfer Learning for Tackling Concept Shifts in Nonparametric Regression
di: Lin, Haotian, et al.
Pubblicazione: (2025)

MLPs Learn In-Context on Regression and Classification Tasks
di: Tong, William L., et al.
Pubblicazione: (2024)

Uncertainty Voting Ensemble for Imbalanced Deep Regression
di: Jiang, Yuchang, et al.
Pubblicazione: (2023)

Robust Regression over Averaged Uncertainty
di: Bertsimas, Dimitris, et al.
Pubblicazione: (2023)

Data Augmentation for Deep Learning Regression Tasks by Machine Learning Models
di: Shmuel, Assaf, et al.
Pubblicazione: (2025)

Principled Input-Output-Conditioned Post-Hoc Uncertainty Estimation for Regression Networks
di: Bramlage, Lennart, et al.
Pubblicazione: (2025)

Optimal and Structure-Adaptive CATE Estimation with Kernel Ridge Regression
di: Kim, Seok-Jin
Pubblicazione: (2026)

Robust Variable Selection and Estimation Via Adaptive Elastic Net S-Estimators for Linear Regression
di: Kepplinger, David
Pubblicazione: (2021)

Zono-Conformal Prediction: Zonotope-Based Uncertainty Quantification for Regression and Classification Tasks
di: Lützow, Laura, et al.
Pubblicazione: (2025)

Provable In-Context Learning of Nonlinear Regression with Transformers
di: Li, Hongbo, et al.
Pubblicazione: (2025)

Transformers Learn Robust In-Context Regression under Distributional Uncertainty
di: Cao, Hoang T. H., et al.
Pubblicazione: (2026)

Integrating Uncertainty Awareness into Conformalized Quantile Regression
di: Rossellini, Raphael, et al.
Pubblicazione: (2023)

Highly Adaptive Principal Component Regression
di: Wang, Mingxun, et al.
Pubblicazione: (2026)

Average-Over-Time Spiking Neural Networks for Uncertainty Estimation in Regression
di: Sun, Tao, et al.
Pubblicazione: (2024)

Basis Transformers for Multi-Task Tabular Regression
di: Loh, Wei Min, et al.
Pubblicazione: (2025)

On the Consistency of Fairness Measurement Methods for Regression Tasks
di: Almajed, Abdalwahab, et al.
Pubblicazione: (2024)

Density-Regression: Efficient and Distance-Aware Deep Regressor for Uncertainty Estimation under Distribution Shifts
di: Bui, Ha Manh, et al.
Pubblicazione: (2024)

Generalized Resubstitution for Regression Error Estimation
di: Marcondes, Diego, et al.
Pubblicazione: (2024)

Attribute Inference Attacks for Federated Regression Tasks
di: Diana, Francesco, et al.
Pubblicazione: (2024)

Uncertainty Quantification for Regression using Proper Scoring Rules
di: Fishkov, Alexander, et al.
Pubblicazione: (2025)

AdaTask: A Task-aware Adaptive Learning Rate Approach to Multi-task Learning
di: Yang, Enneng, et al.
Pubblicazione: (2022)

The Impact of Feature Scaling In Machine Learning: Effects on Regression and Classification Tasks
di: Pinheiro, João Manoel Herrera, et al.
Pubblicazione: (2025)

How Many Pretraining Tasks Are Needed for In-Context Learning of Linear Regression?
di: Wu, Jingfeng, et al.
Pubblicazione: (2023)

Task Diversity in Bayesian Federated Learning: Simultaneous Processing of Classification and Regression
di: Lyu, Junliang, et al.
Pubblicazione: (2024)