Copertina

Epistemic Wrapping for Uncertainty Quantification

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sultana, Maryam, Yorke-Smith, Neil, Wang, Kaizheng, Manchingal, Shireen Kudukkil, Mubashar, Muhammad, Cuzzolin, Fabio
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A Unified Evaluation Framework for Epistemic Predictions
di: Manchingal, Shireen Kudukkil, et al.
Pubblicazione: (2025)

Random-Set Neural Networks (RS-NN)
di: Manchingal, Shireen Kudukkil, et al.
Pubblicazione: (2023)

Random-Set Large Language Models
di: Mubashar, Muhammad, et al.
Pubblicazione: (2025)

A neurosymbolic Approach with Epistemic Deep Learning for Hierarchical Image Classification
di: Kilicdere, Ezel, et al.
Pubblicazione: (2026)

Epistemic Deep Learning: Enabling Machine Learning Models to Know When They Do Not Know
di: Manchingal, Shireen Kudukkil
Pubblicazione: (2025)

CreINNs: Credal-Set Interval Neural Networks for Uncertainty Estimation in Classification Tasks
di: Wang, Kaizheng, et al.
Pubblicazione: (2024)

Epistemic Generative Adversarial Networks
di: Mubashar, Muhammad, et al.
Pubblicazione: (2026)

Random-Set Graph Neural Networks
di: Woodley, Tommy, et al.
Pubblicazione: (2026)

Epistemic Artificial Intelligence is Essential for Machine Learning Models to Truly 'Know When They Do Not Know'
di: Manchingal, Shireen Kudukkil, et al.
Pubblicazione: (2025)

Credal Ensemble Distillation for Uncertainty Quantification
di: Wang, Kaizheng, et al.
Pubblicazione: (2025)

Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning
di: Manchingal, Shireen Kudukkil, et al.
Pubblicazione: (2026)

Credal and Interval Deep Evidential Classifications
di: Caprio, Michele, et al.
Pubblicazione: (2025)

Set-based v.s. Distribution-based Representations of Epistemic Uncertainty: A Comparative Study
di: Wang, Kaizheng, et al.
Pubblicazione: (2026)

Uncertainty-Aware Autonomous Vehicles: Predicting the Road Ahead
di: Manchingal, Shireen Kudukkil, et al.
Pubblicazione: (2025)

Credal Wrapper of Model Averaging for Uncertainty Estimation in Classification
di: Wang, Kaizheng, et al.
Pubblicazione: (2024)

Credal Learning Theory
di: Caprio, Michele, et al.
Pubblicazione: (2024)

Generalized Decision Focused Learning under Imprecise Uncertainty--Theoretical Study
di: Shariatmadar, Keivan, et al.
Pubblicazione: (2025)

Direct Interval Propagation Methods using Neural-Network Surrogates for Uncertainty Quantification in Physical Systems Surrogate Model
di: Faza, Ghifari Adam, et al.
Pubblicazione: (2026)

How Many Human Survey Respondents is a Large Language Model Worth? An Uncertainty Quantification Perspective
di: Huang, Chengpiao, et al.
Pubblicazione: (2025)

Learning Credal Ensembles via Distributionally Robust Optimization
di: Wang, Kaizheng, et al.
Pubblicazione: (2026)

Generalising realisability in statistical learning theory under epistemic uncertainty
di: Cuzzolin, Fabio
Pubblicazione: (2024)

Statistical inference with belief functions: A survey
di: Cuzzolin, Fabio
Pubblicazione: (2026)

Label-wise Aleatoric and Epistemic Uncertainty Quantification
di: Sale, Yusuf, et al.
Pubblicazione: (2024)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
di: Wang, Hanjing, et al.
Pubblicazione: (2024)

Biased Dreams: Limitations to Epistemic Uncertainty Quantification in Latent Space Models
di: Berger, Julia, et al.
Pubblicazione: (2026)

Uncertainty as Feature Gaps: Epistemic Uncertainty Quantification of LLMs in Contextual Question-Answering
di: Bakman, Yavuz, et al.
Pubblicazione: (2025)

Structure-Aware Epistemic Uncertainty Quantification for Neural Operator PDE Surrogates
di: Song, Haoze, et al.
Pubblicazione: (2026)

From Aleatoric to Epistemic: Exploring Uncertainty Quantification Techniques in Artificial Intelligence
di: Wang, Tianyang, et al.
Pubblicazione: (2025)

Laplacian Segmentation Networks Improve Epistemic Uncertainty Quantification
di: Zepf, Kilian, et al.
Pubblicazione: (2023)

Robust Losses for Decision-Focused Learning
di: Schutte, Noah, et al.
Pubblicazione: (2023)

Epistemic Uncertainty Quantification for Pre-trained VLMs via Riemannian Flow Matching
di: Ju, Li, et al.
Pubblicazione: (2026)

Rethinking Aleatoric and Epistemic Uncertainty
di: Smith, Freddie Bickford, et al.
Pubblicazione: (2024)

Epistemic Uncertainty for Test-Time Discovery
di: Riaz, Kainat, et al.
Pubblicazione: (2026)

HybridFlow: Quantification of Aleatoric and Epistemic Uncertainty with a Single Hybrid Model
di: Van Katwyk, Peter, et al.
Pubblicazione: (2025)

A Minimalist Bayesian Framework for Stochastic Optimization
di: Wang, Kaizheng
Pubblicazione: (2025)

MINTS: Minimalist Thompson Sampling
di: Wang, Kaizheng
Pubblicazione: (2026)

Offline Bayesian Aleatoric and Epistemic Uncertainty Quantification and Posterior Value Optimisation in Finite-State MDPs
di: Valdettaro, Filippo, et al.
Pubblicazione: (2024)

Risk-aware Classification via Uncertainty Quantification
di: Sensoy, Murat, et al.
Pubblicazione: (2024)

Learning optimal objective values for MILP
di: Scavuzzo, Lara, et al.
Pubblicazione: (2024)

Reasoning with random sets: An agenda for the future
di: Cuzzolin, Fabio
Pubblicazione: (2023)