Buchumschlag

Rethinking Calibration for Early-Exit Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kubaty, Piotr, Szatkowski, Filip, Choczyński, Grzegorz, Nalisnick, Eric, Wójcik, Bartosz
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

How to Train Your Multi-Exit Model? Analyzing the Impact of Training Strategies
von: Kubaty, Piotr, et al.
Veröffentlicht: (2024)

Exploiting Activation Sparsity with Dense to Dynamic-k Mixture-of-Experts Conversion
von: Szatkowski, Filip, et al.
Veröffentlicht: (2023)

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

Efficient LLM Moderation with Multi-Layer Latent Prototypes
von: Chrabąszcz, Maciej, et al.
Veröffentlicht: (2025)

Recurrent and Convolutional Neural Networks in Classification of EEG Signal for Guided Imagery and Mental Workload Detection
von: Postepski, Filip, et al.
Veröffentlicht: (2024)

Universal Properties of Activation Sparsity in Modern Large Language Models
von: Szatkowski, Filip, et al.
Veröffentlicht: (2025)

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

Early-Exit Graph Neural Networks
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2025)

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

LAPLEX: The FFT of Learnable Laplace Kernels
von: Struski, Łukasz, et al.
Veröffentlicht: (2026)

Early-Exit with Class Exclusion for Efficient Inference of Neural Networks
von: Wang, Jingcun, et al.
Veröffentlicht: (2023)

On-Sensor Convolutional Neural Networks with Early-Exits
von: Shalby, Hazem Hesham Yousef, et al.
Veröffentlicht: (2025)

Goal-oriented Communications based on Recursive Early Exit Neural Networks
von: Pomponi, Jary, et al.
Veröffentlicht: (2024)

Approximating Full Conformal Prediction for Neural Network Regression with Gauss-Newton Influence
von: Tailor, Dharmesh, et al.
Veröffentlicht: (2025)

A Survey of Early Exit Deep Neural Networks in NLP
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2025)

Attention Consistency Regularization for Interpretable Early-Exit Neural Networks
von: Zhao, Yanhua
Veröffentlicht: (2026)

AEBNAS: Strengthening Exit Branches in Early-Exit Networks through Hardware-Aware Neural Architecture Search
von: Robben, Oscar, et al.
Veröffentlicht: (2025)

Newton-Puiseux Analysis for Interpretability and Calibration of Complex-Valued Neural Networks
von: Migus, Piotr
Veröffentlicht: (2025)

Bridging Efficiency and Safety: Formal Verification of Neural Networks with Early Exits
von: Elboher, Yizhak Yisrael, et al.
Veröffentlicht: (2025)

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

Rethinking Early Stopping: Refine, Then Calibrate
von: Berta, Eugène, et al.
Veröffentlicht: (2025)

Temporal Decisions: Leveraging Temporal Correlation for Efficient Decisions in Early Exit Neural Networks
von: Sponner, Max, et al.
Veröffentlicht: (2024)

Efficient Multi-Source Knowledge Transfer by Model Merging
von: Osial, Marcin, et al.
Veröffentlicht: (2025)

Apparate: Rethinking Early Exits to Tame Latency-Throughput Tensions in ML Serving
von: Dai, Yinwei, et al.
Veröffentlicht: (2023)

SPARQ: Spiking Early-Exit Neural Networks for Energy-Efficient Edge AI
von: Patne, Parth, et al.
Veröffentlicht: (2026)

Sparser, Better, Deeper, Stronger: Improving Sparse Training with Exact Orthogonal Initialization
von: Nowak, Aleksandra Irena, et al.
Veröffentlicht: (2024)

Hetero-SplitEE: Split Learning of Neural Networks with Early Exits for Heterogeneous IoT Devices
von: Oda, Yuki, et al.
Veröffentlicht: (2025)

TORE: Token Recycling in Vision Transformers for Efficient Active Visual Exploration
von: Olszewski, Jan, et al.
Veröffentlicht: (2023)

ATHEENA: A Toolflow for Hardware Early-Exit Network Automation
von: Biggs, Benjamin, et al.
Veröffentlicht: (2023)

NACHOS: Neural Architecture Search for Hardware Constrained Early Exit Neural Networks
von: Gambella, Matteo, et al.
Veröffentlicht: (2024)

Exploring the Stability Gap in Continual Learning: The Role of the Classification Head
von: Łapacz, Wojciech, et al.
Veröffentlicht: (2024)

Conceptualizing Embeddings: Sparse Disentanglement for Vision-Language Models
von: Kubaty, Piotr, et al.
Veröffentlicht: (2026)

Beyond Greedy Exits: Improved Early Exit Decisions for Risk Control and Reliability
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2025)

Enhancing Dropout-based Bayesian Neural Networks with Multi-Exit on FPGA
von: Chen, Hao Mark, et al.
Veröffentlicht: (2024)

DistrEE: Distributed Early Exit of Deep Neural Network Inference on Edge Devices
von: Peng, Xian, et al.
Veröffentlicht: (2025)

PTEENet: Post-Trained Early-Exit Neural Networks Augmentation for Inference Cost Optimization
von: Lahiany, Assaf, et al.
Veröffentlicht: (2025)

HyperSound: Generating Implicit Neural Representations of Audio Signals with Hypernetworks
von: Szatkowski, Filip, et al.
Veröffentlicht: (2022)

CAFEDistill: Learning Personalized and Dynamic Models through Federated Early-Exit Network Distillation
von: Liu, Boyi, et al.
Veröffentlicht: (2026)

Controlling the Risk of Corrupted Contexts for Language Models via Early-Exiting
von: Wynn, Andrea, et al.
Veröffentlicht: (2025)

On Continuous Monitoring of Risk Violations under Unknown Shift
von: Timans, Alexander, et al.
Veröffentlicht: (2025)