Buchumschlag

Uncertainty Quantification in SVM prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Anand, Pritam
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty Quantification in Probabilistic Machine Learning Models: Theory, Methods, and Insights
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

Tube Loss based Deep Networks For Improving the Probabilistic Forecasting of Wind Speed
von: Anand, Pritam, et al.
Veröffentlicht: (2025)

Tube Loss: A Novel Approach for Prediction Interval Estimation
von: Anand, Pritam, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in the Tsetlin Machine
von: Helin, Runar, et al.
Veröffentlicht: (2025)

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

Fair Uncertainty Quantification for Depression Prediction
von: Li, Yonghong, et al.
Veröffentlicht: (2025)

Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
von: Lafage, Adrien, et al.
Veröffentlicht: (2025)

GNN's Uncertainty Quantification using Self-Distillation
von: Daneshvar, Hirad, et al.
Veröffentlicht: (2025)

Tackling Fake Forgetting through Uncertainty Quantification
von: Shi, Yingdan, et al.
Veröffentlicht: (2025)

Towards Uncertainty Quantification in Generative Model Learning
von: Morales, Giorgio, et al.
Veröffentlicht: (2025)

A Rate-Distortion View of Uncertainty Quantification
von: Apostolopoulou, Ifigeneia, et al.
Veröffentlicht: (2024)

Uncertainty Quantification via Stable Distribution Propagation
von: Petersen, Felix, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Machine Learning in Healthcare: A Survey
von: López, L. Julián Lechuga, et al.
Veröffentlicht: (2025)

Model-Agnostic Dynamic Feature Selection with Uncertainty Quantification
von: Fumanal-Idocin, Javier, et al.
Veröffentlicht: (2025)

Quantile-Free Uncertainty Quantification in Graph Neural Networks
von: park, Soyoung, et al.
Veröffentlicht: (2026)

Conf-Gen: Conformal Uncertainty Quantification for Generative Models
von: Loaiza-Ganem, Gabriel, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for Gradient-based Explanations in Neural Networks
von: Mulye, Mihir, et al.
Veröffentlicht: (2024)

Improving Label Error Detection and Elimination with Uncertainty Quantification
von: Jakubik, Johannes, et al.
Veröffentlicht: (2024)

Quantification of Credal Uncertainty: A Distance-Based Approach
von: Gonzalez-Garcia, Xabier, et al.
Veröffentlicht: (2026)

i-Mask: An Intelligent Mask for Breath-Driven Activity Recognition
von: Sinha, Ashutosh Kumar, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Surface Ozone Emulators using Deep Learning
von: Doerksen, Kelsey, et al.
Veröffentlicht: (2025)

A Simple and Effective Method for Uncertainty Quantification and OOD Detection
von: Ma, Yaxin, et al.
Veröffentlicht: (2025)

Robust Uncertainty Quantification Using Conformalised Monte Carlo Prediction
von: Bethell, Daniel, et al.
Veröffentlicht: (2023)

LLMs Uncertainty Quantification via Adaptive Conformal Semantic Entropy
von: Karimi, Hamed, et al.
Veröffentlicht: (2026)

Uncertainty Quantification of Deep Learning for Spatiotemporal Data: Challenges and Opportunities
von: He, Wenchong, et al.
Veröffentlicht: (2023)

FedSI: Federated Subnetwork Inference for Efficient Uncertainty Quantification
von: Chen, Hui, et al.
Veröffentlicht: (2024)

Reliable Trajectory Prediction and Uncertainty Quantification with Conditioned Diffusion Models
von: Neumeier, Marion, et al.
Veröffentlicht: (2024)

Black-box Uncertainty Quantification Method for LLM-as-a-Judge
von: Wagner, Nico, et al.
Veröffentlicht: (2024)

The Probabilistic Tsetlin Machine: A Novel Approach to Uncertainty Quantification
von: Abeyrathna, K. Darshana, et al.
Veröffentlicht: (2024)

Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model
von: Tang, Yanchuan, et al.
Veröffentlicht: (2026)

Calibrated Physics-Informed Uncertainty Quantification
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2025)

A Framework for Uncertainty Quantification Based on Nearest Neighbors Across Layers
von: Font, Miguel N., et al.
Veröffentlicht: (2025)

Improving Counterfactual Truthfulness for Molecular Property Prediction through Uncertainty Quantification
von: Teufel, Jonas, et al.
Veröffentlicht: (2025)

UQGNN: Uncertainty Quantification of Graph Neural Networks for Multivariate Spatiotemporal Prediction
von: Yu, Dahai, et al.
Veröffentlicht: (2025)

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

Uncertainty Quantification of Large Language Models using Approximate Bayesian Computation
von: Sharma, Mridul, et al.
Veröffentlicht: (2025)

DiffHybrid-UQ: Uncertainty Quantification for Differentiable Hybrid Neural Modeling
von: Akhare, Deepak, et al.
Veröffentlicht: (2023)

DiffLoad: Uncertainty Quantification in Electrical Load Forecasting with the Diffusion Model
von: Wang, Zhixian, et al.
Veröffentlicht: (2023)

Conformalized Neural Networks for Federated Uncertainty Quantification under Dual Heterogeneity
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

QUCE: The Minimisation and Quantification of Path-Based Uncertainty for Generative Counterfactual Explanations
von: Duell, Jamie, et al.
Veröffentlicht: (2024)