Buchumschlag

Approximating Full Conformal Prediction for Neural Network Regression with Gauss-Newton Influence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tailor, Dharmesh, Correia, Alvaro H. C., Nalisnick, Eric, Louizos, Christos
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

Non-exchangeable Conformal Prediction with Optimal Transport: Tackling Distribution Shifts with Unlabeled Data
von: Correia, Alvaro H. C., et al.
Veröffentlicht: (2025)

An Information Theoretic Perspective on Conformal Prediction
von: Correia, Alvaro H. C., et al.
Veröffentlicht: (2024)

Learning to Defer to a Population: A Meta-Learning Approach
von: Tailor, Dharmesh, et al.
Veröffentlicht: (2024)

Learning the optimal state-feedback via supervised imitation learning
von: Tailor, Dharmesh, et al.
Veröffentlicht: (2019)

A Bayesian Information-Theoretic Approach to Data Attribution
von: Tailor, Dharmesh, et al.
Veröffentlicht: (2026)

On Sampling Strategies for Spectral Model Sharding
von: Korzhenkov, Denis, et al.
Veröffentlicht: (2024)

Masks Can Be Distracting: On Context Comprehension in Diffusion Language Models
von: Piskorz, Julianna, et al.
Veröffentlicht: (2025)

Fundamental bounds on efficiency-confidence trade-off for transductive conformal prediction
von: Behboodi, Arash, et al.
Veröffentlicht: (2025)

Early-Exit Neural Networks with Nested Prediction Sets
von: Jazbec, Metod, et al.
Veröffentlicht: (2023)

Theoretical characterisation of the Gauss-Newton conditioning in Neural Networks
von: Zhao, Jim, et al.
Veröffentlicht: (2024)

Improving Handshape Representations for Sign Language Processing: A Graph Neural Network Approach
von: Carbo, Alessa, et al.
Veröffentlicht: (2025)

Guarding the Meaning: Self-Supervised Training for Semantic Robustness in Guard Models
von: Pinneri, Cristina, et al.
Veröffentlicht: (2025)

Adaptive Bounding Box Uncertainties via Two-Step Conformal Prediction
von: Timans, Alexander, et al.
Veröffentlicht: (2024)

Exact Gauss-Newton Optimization for Training Deep Neural Networks
von: Korbit, Mikalai, et al.
Veröffentlicht: (2024)

Regularized Gauss-Newton for Optimizing Overparameterized Neural Networks
von: Adeoye, Adeyemi D., et al.
Veröffentlicht: (2024)

A Mutual Information Perspective on Federated Contrastive Learning
von: Louizos, Christos, et al.
Veröffentlicht: (2024)

Max-Rank: Efficient Multiple Testing for Conformal Prediction
von: Timans, Alexander, et al.
Veröffentlicht: (2023)

Rethinking Calibration for Early-Exit Neural Networks
von: Kubaty, Piotr, et al.
Veröffentlicht: (2025)

Gauss-Newton Temporal Difference Learning with Nonlinear Function Approximation
von: Ke, Zhifa, et al.
Veröffentlicht: (2023)

On Equivariant Model Selection through the Lens of Uncertainty
von: van der Linden, Putri A., et al.
Veröffentlicht: (2025)

Learning Morphisms with Gauss-Newton Approximation for Growing Networks
von: Lawton, Neal, et al.
Veröffentlicht: (2024)

The Memory Perturbation Equation: Understanding Model's Sensitivity to Data
von: Nickl, Peter, et al.
Veröffentlicht: (2023)

A Majorization-Minimization Gauss-Newton Method for 1-Bit Matrix Completion
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2023)

The Potential of Second-Order Optimization for LLMs: A Study with Full Gauss-Newton
von: Abreu, Natalie, et al.
Veröffentlicht: (2025)

Variational Learning ISTA
von: Massoli, Fabio Valerio, et al.
Veröffentlicht: (2024)

DNA: Differentially private Neural Augmentation for contact tracing
von: Romijnders, Rob, et al.
Veröffentlicht: (2024)

Gauss-Newton Unlearning for the LLM Era
von: McKinney, Lev, et al.
Veröffentlicht: (2026)

On Adaptivity in Zeroth-Order Optimization
von: Dbouk, Hassan, et al.
Veröffentlicht: (2026)

Scalable Generative Modeling of Weighted Graphs
von: Williams, Richard, et al.
Veröffentlicht: (2025)

Conformal Prediction for Multimodal Regression
von: Bose, Alexis, et al.
Veröffentlicht: (2024)

On Calibration in Multi-Distribution Learning
von: Verma, Rajeev, et al.
Veröffentlicht: (2024)

Error whitening: Why Gauss-Newton outperforms Newton
von: McKay, Maricela Best, et al.
Veröffentlicht: (2026)

Approximation Bounds for Recurrent Neural Networks with Application to Regression
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

Fast Gauss-Newton for Multiclass Cross-Entropy
von: Korbit, Mikalai, et al.
Veröffentlicht: (2026)

A Riemannian Optimization Perspective of the Gauss-Newton Method for Feedforward Neural Networks
von: Cayci, Semih
Veröffentlicht: (2024)

Conformal Prediction via Regression-as-Classification
von: Guha, Etash, et al.
Veröffentlicht: (2024)

CONFINE: Conformal Prediction for Interpretable Neural Networks
von: Huang, Linhui, et al.
Veröffentlicht: (2024)

Probabilistic Conformal Prediction with Approximate Conditional Validity
von: Plassier, Vincent, et al.
Veröffentlicht: (2024)

A Probabilistic Approach to Pose Synchronization for Multi-Reference Alignment with Applications to MIMO Wireless Communication Systems
von: Romijnders, Rob, et al.
Veröffentlicht: (2025)

Incremental Gauss-Newton Descent for Machine Learning
von: Korbit, Mikalai, et al.
Veröffentlicht: (2024)