Buchumschlag

Developing Distance-Aware, and Evident Uncertainty Quantification in Dynamic Physics-Constrained Neural Networks for Robust Bearing Degradation Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Razzaq, Waleed, Zhao, Yun-Bo
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

CARLE: A Hybrid Deep-Shallow Learning Framework for Robust and Explainable RUL Estimation of Rolling Element Bearings
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

A Novel Multimodal RUL Framework for Remaining Useful Life Estimation with Layer-wise Explanations
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

FLUID: Continuous-Time Hyperconnected Sparse Transformer for Sink-Free Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2026)

Neuronal Stochastic Attention Circuit (NSAC) for Probabilistic Representation Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2026)

Neuronal Attention Circuit (NAC) for Representation Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

Disentangling Aleatoric and Epistemic Uncertainty in Physics-Informed Neural Networks. Application to Insulation Material Degradation Prognostics
von: Ramirez, Ibai, et al.
Veröffentlicht: (2026)

Combining Statistical Depth and Fermat Distance for Uncertainty Quantification
von: Nguyen, Hai-Vy, et al.
Veröffentlicht: (2024)

Improved Uncertainty Quantification in Physics-Informed Neural Networks Using Error Bounds and Solution Bundles
von: Flores, Pablo, et al.
Veröffentlicht: (2025)

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

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

Complex-Valued Unitary Representations as Classification Heads for Improved Uncertainty Quantification in Deep Neural Networks
von: Jafari, Akbar Anbar, et al.
Veröffentlicht: (2026)

Streamflow Prediction with Uncertainty Quantification for Water Management: A Constrained Reasoning and Learning Approach
von: Gharsallaoui, Mohammed Amine, et al.
Veröffentlicht: (2024)

Introducing Interval Neural Networks for Uncertainty-Aware System Identification
von: Ferah, Mehmet Ali, et al.
Veröffentlicht: (2025)

PerFlow: Physics-Embedded Rectified Flow for Efficient Reconstruction and Uncertainty Quantification of Spatiotemporal Dynamics
von: Zhou, Hao, et al.
Veröffentlicht: (2026)

Physics-Based Hybrid Machine Learning for Critical Heat Flux Prediction with Uncertainty Quantification
von: Furlong, Aidan, et al.
Veröffentlicht: (2025)

Learning Expressive Priors for Generalization and Uncertainty Estimation in Neural Networks
von: Schnaus, Dominik, et al.
Veröffentlicht: (2023)

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

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

Hard-Constrained Neural Networks with Physics-Embedded Architecture for Residual Dynamics Learning and Invariant Enforcement in Cyber-Physical Systems
von: Spotorno, Enzo Nicolás, et al.
Veröffentlicht: (2025)

Efficient Epistemic Uncertainty Estimation in Regression Ensemble Models Using Pairwise-Distance Estimators
von: Berry, Lucas, et al.
Veröffentlicht: (2023)

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

Uncertainty Quantification in SVM prediction
von: Anand, Pritam
Veröffentlicht: (2025)

Uncertainty-Aware Crime Prediction With Spatial Temporal Multivariate Graph Neural Networks
von: Wang, Zepu, et al.
Veröffentlicht: (2024)

Robust Adversarial Quantification via Conflict-Aware Evidential Deep Learning
von: Barker, Charmaine, et al.
Veröffentlicht: (2025)

Learning to Solve Resource-Constrained Project Scheduling Problems with Duration Uncertainty using Graph Neural Networks
von: Infantes, Guillaume, et al.
Veröffentlicht: (2025)

Neural Networks Use Distance Metrics
von: Oursland, Alan
Veröffentlicht: (2024)

Coupling Graph Neural Networks with Fractional Order Continuous Dynamics: A Robustness Study
von: Kang, Qiyu, et al.
Veröffentlicht: (2024)

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)

Practical Battery Health Monitoring using Uncertainty-Aware Bayesian Neural Network
von: Zhao, Yunyi, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Deep Attention Recurrent Neural Network for Heterogeneous Time Series Imputation
von: Qian, Linglong, et al.
Veröffentlicht: (2024)

Robust Uncertainty Quantification for Self-Evolving Large Language Models via Continual Domain Pretraining
von: Zhou, Xiaofan, et al.
Veröffentlicht: (2025)

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