Buchumschlag

On Local Posterior Structure in Deep Ensembles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jordahn, Mikkel, Jensen, Jonas Vestergaard, Schmidt, Mikkel N., Andersen, Michael Riis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Practical Deep Heteroskedastic Regression
von: Jordahn, Mikkel, et al.
Veröffentlicht: (2026)

Decoupling Feature Extraction and Classification Layers for Calibrated Neural Networks
von: Jordahn, Mikkel, et al.
Veröffentlicht: (2024)

On Joint Regularization and Calibration in Deep Ensembles
von: Fredsgaard, Laurits, et al.
Veröffentlicht: (2025)

Same Graph, Different Likelihoods: Calibration of Autoregressive Graph Generators via Permutation-Equivalent Encodings
von: Fredsgaard, Laurits, et al.
Veröffentlicht: (2026)

Bayesian Optimization via Continual Variational Last Layer Training
von: Brunzema, Paul, et al.
Veröffentlicht: (2024)

A comprehensive evaluation of pretraining strategies for channel-agnostic contrastive self-supervision of biosignals
von: Brüsch, Thea, et al.
Veröffentlicht: (2024)

Equivariant Neural Diffusion for Molecule Generation
von: Cornet, François, et al.
Veröffentlicht: (2025)

Structural Connectome Harmonization Using Deep Learning: The Strength of Graph Neural Networks
von: Patel, Jagruti, et al.
Veröffentlicht: (2025)

MlPET: A Localized Neural Network Approach for Probabilistic Post-Reconstruction PET Image Analysis Using Informed Priors
von: Hansen, Thomas Mejer, et al.
Veröffentlicht: (2026)

FLEXtime: Filterbank learning to explain time series
von: Brüsch, Thea, et al.
Veröffentlicht: (2024)

FreqRISE: Explaining time series using frequency masking
von: Brüsch, Thea, et al.
Veröffentlicht: (2024)

Kinetic Langevin Diffusion for Crystalline Materials Generation
von: Cornet, François, et al.
Veröffentlicht: (2025)

Hierarchical adaptive control for real-time dynamic inference at the edge
von: Daghero, Francesco, et al.
Veröffentlicht: (2026)

Steering LLMs? Actually, Sparse Autoencoders can outperform simple baselines
von: Jørgensen, Mikkel Godsk, et al.
Veröffentlicht: (2026)

The Generalist Brain Module: Module Repetition in Neural Networks in Light of the Minicolumn Hypothesis
von: Kvalsund, Mia-Katrin, et al.
Veröffentlicht: (2025)

A Framework for Improving the Reliability of Black-box Variational Inference
von: Welandawe, Manushi, et al.
Veröffentlicht: (2022)

MimirRAG: A Multi-Agent RAG Framework for Financial Data Retrieval with Metadata Integration
von: Samuelsen, Magnus, et al.
Veröffentlicht: (2026)

Synthetic data shuffling accelerates the convergence of federated learning under data heterogeneity
von: Li, Bo, et al.
Veröffentlicht: (2023)

EdgeMark: An Automation and Benchmarking System for Embedded Artificial Intelligence Tools
von: Hasanpour, Mohammad Amin, et al.
Veröffentlicht: (2025)

Shotgun DNA sequencing evidence: sample-specific and unknown genotyping error probabilities
von: Andersen, Mikkel Meyer
Veröffentlicht: (2025)

Variance reduction of diffusion model's gradients with Taylor approximation-based control variate
von: Jeha, Paul, et al.
Veröffentlicht: (2024)

Improved Long Short-Term Memory-based Wastewater Treatment Simulators for Deep Reinforcement Learning
von: Mohammadi, Esmaeel, et al.
Veröffentlicht: (2024)

Predicting Cognition from fMRI:A Comparative Study of Graph, Transformer, and Kernel Models Across Task and Rest Conditions
von: Patel, Jagruti, et al.
Veröffentlicht: (2025)

Deep Learning Based Simulators for the Phosphorus Removal Process Control in Wastewater Treatment via Deep Reinforcement Learning Algorithms
von: Mohammadi, Esmaeel, et al.
Veröffentlicht: (2024)

Comparing and Scaling fMRI Features for Brain-Behavior Prediction
von: Sieler, Mikkel Schöttner, et al.
Veröffentlicht: (2025)

Modeling Human Responses by Ordinal Archetypal Analysis
von: Wedenborg, Anna Emilie J., et al.
Veröffentlicht: (2024)

On the Convergence of Locally Adaptive and Scalable Diffusion-Based Sampling Methods for Deep Bayesian Neural Network Posteriors
von: Rensmeyer, Tim, et al.
Veröffentlicht: (2024)

From Global to Local: A Scalable Benchmark for Local Posterior Sampling
von: Hitchcock, Rohan, et al.
Veröffentlicht: (2025)

Robust, Accurate Stochastic Optimization for Variational Inference
von: Dhaka, Akash Kumar, et al.
Veröffentlicht: (2020)

CORE-BEHRT: A Carefully Optimized and Rigorously Evaluated BEHRT
von: Odgaard, Mikkel, et al.
Veröffentlicht: (2024)

Stochastic Localization via Iterative Posterior Sampling
von: Grenioux, Louis, et al.
Veröffentlicht: (2024)

Estimating Random-Walk Probabilities in Directed Graphs
von: Bertram, Christian, et al.
Veröffentlicht: (2025)

Impartial Games: A Challenge for Reinforcement Learning
von: Zhou, Bei, et al.
Veröffentlicht: (2022)

PanoGAN A Deep Generative Model for Panoramic Dental Radiographs
von: Pedersen, Soren, et al.
Veröffentlicht: (2025)

Onsager-Machlup Posterior Transport for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2026)

Emergent Equivariance in Deep Ensembles
von: Gerken, Jan E., et al.
Veröffentlicht: (2024)

Pathologies of Predictive Diversity in Deep Ensembles
von: Abe, Taiga, et al.
Veröffentlicht: (2023)

Deep Kernel Posterior Learning under Infinite Variance Prior Weights
von: Loría, Jorge, et al.
Veröffentlicht: (2024)

Improving Deep Ensembles by Estimating Confusion Matrices
von: Kuzin, Danil, et al.
Veröffentlicht: (2025)

Learning Ensembles of Interpretable Simple Structure
von: Arwade, Gaurav, et al.
Veröffentlicht: (2025)