Buchumschlag

Efficient Post-Hoc Uncertainty Calibration via Variance-Based Smoothing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Denoodt, Fabian, Oramas, José
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

Smooth InfoMax -- Towards Easier Post-Hoc Interpretability
von: Denoodt, Fabian, et al.
Veröffentlicht: (2024)

Post-Hoc Calibrated Anomaly Detection
von: Gloumeau, Sean
Veröffentlicht: (2025)

Probability Bounding: Post-Hoc Calibration via Box-Constrained Softmax
von: Atarashi, Kyohei, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Post-Hoc Calibration: Mitigating Confidently Incorrect Predictions Beyond Calibration Metrics
von: Gharoun, Hassan, et al.
Veröffentlicht: (2025)

PostHoc FREE Calibrating on Kolmogorov Arnold Networks
von: Liang, Wenhao, et al.
Veröffentlicht: (2025)

CalArena: A Large-Scale Post-Hoc Calibration Benchmark
von: Berta, Eugène, et al.
Veröffentlicht: (2026)

Post-Hoc Uncertainty Quantification in Pre-Trained Neural Networks via Activation-Level Gaussian Processes
von: Bergna, Richard, et al.
Veröffentlicht: (2025)

Guided Uncertainty Learning Using a Post-Hoc Evidential Meta-Model
von: Barker, Charmaine, et al.
Veröffentlicht: (2025)

Post-Hoc Split-Point Self-Consistency Verification for Efficient, Unified Quantification of Aleatoric and Epistemic Uncertainty in Deep Learning
von: Zhao, Zhizhong, et al.
Veröffentlicht: (2025)

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

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

A Hybrid Machine Learning Approach for Synthetic Data Generation with Post Hoc Calibration for Clinical Tabular Datasets
von: Mahin, Md Ibrahim Shikder, et al.
Veröffentlicht: (2025)

Second-Order Uncertainty Quantification: Variance-Based Measures
von: Sale, Yusuf, et al.
Veröffentlicht: (2023)

Agent-Based Post-Hoc Correction of Agricultural Yield Forecasts
von: Beddows, Matthew, et al.
Veröffentlicht: (2026)

Density-Ratio Losses for Post-Hoc Learning to Defer
von: Soen, Alexander, et al.
Veröffentlicht: (2026)

Towards the Characterization of Representations Learned via Capsule-based Network Architectures
von: Tawalbeh, Saja, et al.
Veröffentlicht: (2023)

The Lipschitz-Variance-Margin Tradeoff for Enhanced Randomized Smoothing
von: Delattre, Blaise, et al.
Veröffentlicht: (2023)

An Evidence-Based Post-Hoc Adjustment Framework for Anomaly Detection Under Data Contamination
von: Patra, Sukanya, et al.
Veröffentlicht: (2025)

Perturb and Correct: Post-Hoc Ensembles using Affine Redundancy
von: Quint, Eleanor
Veröffentlicht: (2026)

Parameter Efficient Fine-tuning via Explained Variance Adaptation
von: Paischer, Fabian, et al.
Veröffentlicht: (2024)

Train Once, Forget Precisely: Anchored Optimization for Efficient Post-Hoc Unlearning
von: Sanga, Prabhav, et al.
Veröffentlicht: (2025)

Understanding Disparities in Post Hoc Machine Learning Explanation
von: Mhasawade, Vishwali, et al.
Veröffentlicht: (2024)

Post-Hoc Reversal: Are We Selecting Models Prematurely?
von: Ranjan, Rishabh, et al.
Veröffentlicht: (2024)

ARC-STAR: Auditable Post-Hoc Correction for PDE Foundation Models
von: Li, Chengze, et al.
Veröffentlicht: (2026)

Dual Randomized Smoothing: Beyond Global Noise Variance
von: Sun, Chenhao, et al.
Veröffentlicht: (2025)

Efficient Sign-Based Optimization: Accelerating Convergence via Variance Reduction
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Measuring Uncertainty Calibration
von: Ciosek, Kamil, et al.
Veröffentlicht: (2025)

Unified Uncertainty Calibration
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2023)

Informative Post-Hoc Explanations Only Exist for Simple Functions
von: Günther, Eric, et al.
Veröffentlicht: (2025)

Towards Robust Offline-to-Online Reinforcement Learning via Uncertainty and Smoothness
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2023)

Efficient and Unbiased Sampling from Boltzmann Distributions via Variance-Tuned Diffusion Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2025)

Smooth Calibration and Decision Making
von: Hartline, Jason, et al.
Veröffentlicht: (2025)

The Importance of Being Smoothly Calibrated
von: Gopalan, Parikshit, et al.
Veröffentlicht: (2026)

Better Uncertainty Calibration via Proper Scores for Classification and Beyond
von: Gruber, Sebastian G., et al.
Veröffentlicht: (2022)

Calibrated Uncertainty Quantification for Operator Learning via Conformal Prediction
von: Ma, Ziqi, et al.
Veröffentlicht: (2024)

General Uncertainty Estimation with Delta Variances
von: Schmitt, Simon, et al.
Veröffentlicht: (2025)

Calibrating Adaptive Smoothing Methods for Freeway Traffic Reconstruction
von: Ji, Junyi, et al.
Veröffentlicht: (2026)

TaylorPODA: A Taylor Expansion-Based Method to Improve Post-Hoc Attributions for Opaque Models
von: Tang, Yuchi, et al.
Veröffentlicht: (2025)

Spectral Unforgetting: Post-Hoc Recovery of Damaged Capabilities Without Retraining
von: Abro, Aarash, et al.
Veröffentlicht: (2026)

An Axiomatic Assessment of Entropy- and Variance-based Uncertainty Quantification in Regression
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)