Buchumschlag

SMRS: advocating a unified reporting standard for surrogate models in the artificial intelligence era

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Semenova, Elizaveta, Sheinkman, Alisa, Hitge, Timothy James, Hall, Siobhan Mackenzie, Cockayne, Jon
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding the Trade-offs in Accuracy and Uncertainty Quantification: Architecture and Inference Choices in Bayesian Neural Networks
von: Sheinkman, Alisa, et al.
Veröffentlicht: (2025)

Variational Bayesian Bow tie Neural Networks with Shrinkage
von: Sheinkman, Alisa, et al.
Veröffentlicht: (2024)

Learning to Solve Related Linear Systems
von: Hegde, Disha, et al.
Veröffentlicht: (2025)

Affine Tracing: A New Paradigm for Probabilistic Linear Solvers
von: Hegde, Disha, et al.
Veröffentlicht: (2026)

Randomised Postiterations for Calibrated BayesCG
von: Vyas, Niall, et al.
Veröffentlicht: (2025)

Calibrated Computation-Aware Gaussian Processes
von: Hegde, Disha, et al.
Veröffentlicht: (2024)

Federated Learning for Non-factorizable Models using Deep Generative Prior Approximations
von: Hassan, Conor, et al.
Veröffentlicht: (2024)

Rethinking industrial artificial intelligence: a unified foundation framework
von: Lee, Jay, et al.
Veröffentlicht: (2025)

Constructive Disintegration and Conditional Modes
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2025)

Computation-Aware Kalman Filtering and Smoothing
von: Pförtner, Marvin, et al.
Veröffentlicht: (2024)

DeepRV: Accelerating Spatiotemporal Inference with Pre-trained Neural Priors
von: Navott, Jhonathan, et al.
Veröffentlicht: (2025)

Tokenised Flow Matching for Hierarchical Simulation Based Inference
von: Charles, Giovanni, et al.
Veröffentlicht: (2026)

Impact of white noise in artificial neural networks trained for classification: performance and noise mitigation strategies
von: Semenova, Nadezhda, et al.
Veröffentlicht: (2024)

Opportunities and challenges in the application of large artificial intelligence models in radiology
von: Pan, Liangrui, et al.
Veröffentlicht: (2024)

Updating the standard neuron model in artificial neural networks
von: Mohedano, Raul, et al.
Veröffentlicht: (2026)

Uncertainty-aware multi-fidelity surrogate modeling with noisy data
von: Giannoukou, Katerina, et al.
Veröffentlicht: (2024)

PINE: Pipeline for Important Node Exploration in Attributed Networks
von: Kovtun, Elizaveta, et al.
Veröffentlicht: (2025)

Neural and spectral operator surrogates: unified construction and expression rate bounds
von: Herrmann, Lukas, et al.
Veröffentlicht: (2022)

Development and validation of an artificial intelligence model to accurately predict spinopelvic parameters
von: Harake, Edward S., et al.
Veröffentlicht: (2024)

Quantifying artificial intelligence through algorithmic generalization
von: Ito, Takuya, et al.
Veröffentlicht: (2024)

From Mice to Trains: Amortized Bayesian Inference on Graph Data
von: Jedhoff, Svenja, et al.
Veröffentlicht: (2026)

Machine learning surrogate models of many-body dispersion interactions in polymer melts
von: Shen, Zhaoxiang, et al.
Veröffentlicht: (2025)

Explainable artificial intelligence (XAI): from inherent explainability to large language models
von: Mumuni, Fuseini, et al.
Veröffentlicht: (2025)

An overview of diffusion models for generative artificial intelligence
von: Gallon, Davide, et al.
Veröffentlicht: (2024)

Detecting and explaining postpartum depression in real-time with generative artificial intelligence
von: García-Méndez, Silvia, et al.
Veröffentlicht: (2025)

Trustworthy artificial intelligence in the energy sector: Landscape analysis and evaluation framework
von: Pelekis, Sotiris, et al.
Veröffentlicht: (2024)

PDE-constrained Gaussian process surrogate modeling with uncertain data locations
von: Ye, Dongwei, et al.
Veröffentlicht: (2023)

Large language models for artificial general intelligence (AGI): A survey of foundational principles and approaches
von: Mumuni, Alhassan, et al.
Veröffentlicht: (2025)

An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models
von: Shyr, Cathy, et al.
Veröffentlicht: (2026)

Testing Uncertainty of Large Language Models for Physics Knowledge and Reasoning
von: Reganova, Elizaveta, et al.
Veröffentlicht: (2024)

Data over dialogue: Why artificial intelligence is unlikely to humanise medicine
von: Hatherley, Joshua
Veröffentlicht: (2025)

Impact of white Gaussian internal noise on analog echo-state neural networks
von: Semenova, Nadezhda
Veröffentlicht: (2024)

mNARX+: A surrogate model for complex dynamical systems using manifold-NARX and automatic feature selection
von: Schär, S., et al.
Veröffentlicht: (2025)

Machine learning surrogates for efficient hydrologic modeling: Insights from stochastic simulations of managed aquifer recharge
von: Dai, Timothy, et al.
Veröffentlicht: (2024)

VehicleSDF: A 3D generative model for constrained engineering design via surrogate modeling
von: Morita, Hayata, et al.
Veröffentlicht: (2024)

Unlocking the soundscape of coral reefs with artificial intelligence: pretrained networks and unsupervised learning win out.
von: Williams, Ben, et al.
Veröffentlicht: (2025)

Emissions Reporting Maturity Model: supporting cities to leverage emissions-related processes through performance indicators and artificial intelligence
von: Xavier, Victor de A., et al.
Veröffentlicht: (2023)

Towards objective and systematic evaluation of bias in artificial intelligence for medical imaging
von: Stanley, Emma A. M., et al.
Veröffentlicht: (2023)

A convolutional autoencoder and neural ODE framework for surrogate modeling of transient counterflow flames
von: Baykan, Mert Yakup, et al.
Veröffentlicht: (2026)

Transformer Neural Processes - Kernel Regression
von: Jenson, Daniel, et al.
Veröffentlicht: (2024)