:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Gupta, Aditi, Meyer, Raphael A., Yaniv, Yotam, Chen, Elynn, Erichson, N. Benjamin
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	https://arxiv.org/abs/2602.09170
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Sharpen Your Flow: Sharpness-Aware Sampling for Flow Matching
di: Gupta, Aditi, et al.
Pubblicazione: (2026)

Block-Biased Mamba for Long-Range Sequence Processing
di: Yu, Annan, et al.
Pubblicazione: (2025)

Continuity Laws for Sequential Models
di: Yu, Annan, et al.
Pubblicazione: (2026)

Soft-Label Training Preserves Epistemic Uncertainty
di: Singh, Agamdeep, et al.
Pubblicazione: (2025)

Recency Biased Causal Attention for Time-series Forecasting
di: Hegazy, Kareem, et al.
Pubblicazione: (2025)

Epistemic Monte Carlo Tree Search
di: Oren, Yaniv, et al.
Pubblicazione: (2022)

FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems
di: Erichson, N. Benjamin, et al.
Pubblicazione: (2025)

Tensor-view Topological Graph Neural Network
di: Wen, Tao, et al.
Pubblicazione: (2024)

Optimizing Decoding Paths in Masked Diffusion Models by Quantifying Uncertainty
di: Chen, Ziyu, et al.
Pubblicazione: (2025)

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

A Deep State Space Model for Rainfall-Runoff Simulations
di: Wang, Yihan, et al.
Pubblicazione: (2025)

Decomposing Epistemic Uncertainty for Causal Decision Making
di: Rahman, Md Musfiqur, et al.
Pubblicazione: (2026)

Ensured: Explanations for Decreasing the Epistemic Uncertainty in Predictions
di: Löfström, Helena, et al.
Pubblicazione: (2024)

TEAFormers: TEnsor-Augmented Transformers for Multi-Dimensional Time Series Forecasting
di: Kong, Linghang, et al.
Pubblicazione: (2024)

Tensor-Fused Multi-View Graph Contrastive Learning
di: Wu, Yujia, et al.
Pubblicazione: (2024)

Uncertainty Quantification and Data Efficiency in AI: An Information-Theoretic Perspective
di: Simeone, Osvaldo, et al.
Pubblicazione: (2025)

On the Epistemic Uncertainty of Overparametrized Neural Networks
di: Rügamer, David
Pubblicazione: (2026)

Credal Concept Bottleneck Models: Structural Separation of Epistemic and Aleatoric Uncertainty
di: Mukherjee, Tanmoy, et al.
Pubblicazione: (2026)

Symmetric Equilibrium Propagation for Thermodynamic Diffusion Training
di: De, Aditi
Pubblicazione: (2026)

Thermodynamic Diffusion Inference with Minimal Digital Conditioning
di: De, Aditi
Pubblicazione: (2026)

Hierarchical Sparse Plus Low Rank Compression of LLM
di: Kumar, Pawan, et al.
Pubblicazione: (2025)

Shedding Light on Large Generative Networks: Estimating Epistemic Uncertainty in Diffusion Models
di: Berry, Lucas, et al.
Pubblicazione: (2024)

Quantifying and Understanding Uncertainty in Large Reasoning Models
di: Li, Yangyi, et al.
Pubblicazione: (2026)

Efficient Epistemic Uncertainty Estimation for Large Language Models via Knowledge Distillation
di: Park, Seonghyeon, et al.
Pubblicazione: (2026)

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

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

Is Epistemic Uncertainty Faithfully Represented by Evidential Deep Learning Methods?
di: Jürgens, Mira, et al.
Pubblicazione: (2024)

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

ACT-Tensor: Tensor Completion Framework for Financial Dataset Imputation
di: Mo, Junyi, et al.
Pubblicazione: (2025)

CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model
di: Xu, Xinran, et al.
Pubblicazione: (2026)

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

Where to Measure: Epistemic Uncertainty-Based Sensor Placement with ConvCNPs
di: Eksen, Feyza, et al.
Pubblicazione: (2025)

Plan First, Diffuse Later: Extrinsic Graph Guidance for Long-Horizon Diffusion Planning
di: Hassidof, Yaniv, et al.
Pubblicazione: (2026)

Train-Once Plan-Anywhere Kinodynamic Motion Planning via Diffusion Trees
di: Hassidof, Yaniv, et al.
Pubblicazione: (2025)

Deep Ensembles for Epistemic Uncertainty: A Frequentist Perspective
di: Jain, Anchit, et al.
Pubblicazione: (2025)

Extending Epistemic Uncertainty Beyond Parameters Would Assist in Designing Reliable LLMs
di: Nguyen-Hien, T. Duy, et al.
Pubblicazione: (2025)

PRISM: Distribution-free Adaptive Computation of Matrix Functions for Accelerating Neural Network Training
di: Yang, Shenghao, et al.
Pubblicazione: (2026)

Universal Value-Function Uncertainties
di: Zanger, Moritz A., et al.
Pubblicazione: (2025)

Conformal Prediction on Quantifying Uncertainty of Dynamic Systems
di: Liang, Aoming, et al.
Pubblicazione: (2024)

Generative Uncertainty in Diffusion Models
di: Jazbec, Metod, et al.
Pubblicazione: (2025)