Buchumschlag

Rapid Parameter Inference with Uncertainty Quantification for a Radiological Plume Source Identification Problem

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Edwards, Christopher, Smith, Ralph C
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Learning for Forensic Identification of Source
von: Patten, Cole, et al.
Veröffentlicht: (2025)

Fast Uncertainty Quantification for Kernel-Based Estimators in Large-Scale Causal Inference
von: Kosko, Matthew, et al.
Veröffentlicht: (2026)

Statistical Uncertainty Quantification for Aggregate Performance Metrics in Machine Learning Benchmarks
von: Longjohn, Rachel, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Spatiotemporal Travel Demand with Probabilistic Graph Neural Networks
von: Wang, Qingyi, et al.
Veröffentlicht: (2023)

Probabilistic Classification and Uncertainty Quantification of Sahara Desert Climate Using Feedforward Neural Networks
von: Tivenan, Stephen, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Sparse Identification of Dynamical Systems via Bayesian Model Averaging
von: Kashiwamura, Shuhei, et al.
Veröffentlicht: (2026)

Combining Statistical Depth and Fermat Distance for Uncertainty Quantification
von: Nguyen, Hai-Vy, et al.
Veröffentlicht: (2024)

Strategic Geosteering Workflow with Uncertainty Quantification and Deep Learning: A Case Study on the Goliat Field
von: Rammay, Muzammil Hussain, et al.
Veröffentlicht: (2022)

Surrogate Modelling of Proton Dose with Monte Carlo Dropout Uncertainty Quantification
von: Pim, Aaron, et al.
Veröffentlicht: (2025)

Non-Asymptotic Uncertainty Quantification in High-Dimensional Learning
von: Hoppe, Frederik, et al.
Veröffentlicht: (2024)

The use of cross validation in the analysis of designed experiments
von: Weese, Maria L., et al.
Veröffentlicht: (2025)

Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression
von: García-Ruiz, Rubén Antonio, et al.
Veröffentlicht: (2024)

Prediction-powered Inference by Mixture of Experts
von: Gu, Yanwu, et al.
Veröffentlicht: (2026)

Bayesian Federated Cause-of-Death Classification and Quantification Under Distribution Shift
von: Zhu, Yu, et al.
Veröffentlicht: (2025)

Surrogate Representation Inference for Text and Image Annotations
von: Nakamura, Kentaro
Veröffentlicht: (2025)

Uncertainty-Calibrated Prediction of Randomly-Timed Biomarker Trajectories with Conformal Bands
von: Tassopoulou, Vasiliki, et al.
Veröffentlicht: (2025)

Uncertainty quantification in automated valuation models with spatially weighted conformal prediction
von: Hjort, Anders, et al.
Veröffentlicht: (2023)

Uncertainty quantification for data-driven weather models
von: Bülte, Christopher, et al.
Veröffentlicht: (2024)

Bayesian Inference on Brain-Computer Interfaces via GLASS
von: Zhao, Bangyao, et al.
Veröffentlicht: (2023)

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

Explainable Federated Bayesian Causal Inference and Its Application in Advanced Manufacturing
von: Xiao, Xiaofeng, et al.
Veröffentlicht: (2025)

A State-Space Perspective on Modelling and Inference for Online Skill Rating
von: Duffield, Samuel, et al.
Veröffentlicht: (2023)

A Comprehensive Guide to Simulation-based Inference in Computational Biology
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2024)

Time-Varying Parameters as Ridge Regressions
von: Coulombe, Philippe Goulet
Veröffentlicht: (2020)

Efficient Inference for Noisy LLM-as-a-Judge Evaluation
von: Chen, Yiqun T, et al.
Veröffentlicht: (2026)

Predictive Uncertainty in Short-Term PV Forecasting under Missing Data: A Multiple Imputation Approach
von: Pashmchi, Parastoo, et al.
Veröffentlicht: (2026)

Testing Generalizability in Causal Inference
von: Manela, Daniel de Vassimon, et al.
Veröffentlicht: (2024)

SLEM: Machine Learning for Path Modeling and Causal Inference with Super Learner Equation Modeling
von: Vowels, Matthew J.
Veröffentlicht: (2023)

Advancing Causal Inference: A Nonparametric Approach to ATE and CATE Estimation with Continuous Treatments
von: Souto, Hugo Gobato, et al.
Veröffentlicht: (2024)

Measurement Uncertainty: Relating the uncertainties of physical and virtual measurements
von: Cramer, Simon, et al.
Veröffentlicht: (2024)

MCAnalysis: An Open-Source Package for Preprocessing, Modelling, and Visualisation of Menstrual Cycle Effects in Digital Health Data
von: Delray, Kyra, et al.
Veröffentlicht: (2026)

Causal Inference with Double/Debiased Machine Learning for Evaluating the Health Effects of Multiple Mismeasured Pollutants
von: Xu, Gang, et al.
Veröffentlicht: (2024)

Fast Likelihood-Free Parameter Estimation for Lévy Processes
von: Coloma, Nicolas, et al.
Veröffentlicht: (2025)

Macroeconomic Forecasting for the G7 countries under Uncertainty Shocks
von: Sengupta, Shovon, et al.
Veröffentlicht: (2025)

Forecasting West Nile virus with deep graph encoders
von: Greiffenstein, Ethan, et al.
Veröffentlicht: (2025)

Donor's Deferral and Return Behavior: Partial Identification from a Regression Discontinuity Design with Manipulation
von: Rosenman, Evan, et al.
Veröffentlicht: (2019)

A Design-based Solution for Causal Inference with Text: Can a Language Model Be Too Large?
von: Tierney, Graham, et al.
Veröffentlicht: (2025)

Causal Inference for Genomic Data with Multiple Heterogeneous Outcomes
von: Du, Jin-Hong, et al.
Veröffentlicht: (2024)

Not Just How Much, But Where: Decomposing Epistemic Uncertainty into Per-Class Contributions
von: Toure, Mame Diarra, et al.
Veröffentlicht: (2026)

Testing and Improving the Robustness of Amortized Bayesian Inference for Cognitive Models
von: Wu, Yufei, et al.
Veröffentlicht: (2024)