Copertina

Credal Concept Bottleneck Models: Structural Separation of Epistemic and Aleatoric Uncertainty

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Mukherjee, Tanmoy, Kloft, Marius, Marquis, Pierre, Bouraoui, Zied
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Credal Concept Bottleneck Models for Epistemic-Aleatoric Uncertainty Decomposition
di: Mukherjee, Tanmoy, et al.
Pubblicazione: (2026)

MODE: Multi-Objective Adaptive Coreset Selection
di: Mukherjee, Tanmoy, et al.
Pubblicazione: (2025)

Explanation Quality Assessment as Ranking with Listwise Rewards
di: Bailleux, Thomas, et al.
Pubblicazione: (2026)

Why Deep Jacobian Spectra Separate: Depth-Induced Scaling and Singular-Vector Alignment
di: Haas, Nathanaël, 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)

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

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

Credal Wrapper of Model Averaging for Uncertainty Estimation in Classification
di: Wang, Kaizheng, et al.
Pubblicazione: (2024)

Generalizing Analogical Inference from Boolean to Continuous Domains
di: Cunha, Francisco, et al.
Pubblicazione: (2025)

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

Vector Field Oriented Diffusion Model for Crystal Material Generation
di: Klipfel, Astrid, et al.
Pubblicazione: (2023)

An Epistemic and Aleatoric Decomposition of Arbitrariness to Constrain the Set of Good Models
di: Khan, Falaah Arif, et al.
Pubblicazione: (2023)

Fourier Transformers for Latent Crystallographic Diffusion and Generative Modeling
di: Duersch, Jed A., et al.
Pubblicazione: (2026)

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

Credal Learning Theory
di: Caprio, Michele, et al.
Pubblicazione: (2024)

Counterfactual Concept Bottleneck Models
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Probabilistic Neural Networks (PNNs) for Modeling Aleatoric Uncertainty in Scientific Machine Learning
di: Pourkamali-Anaraki, Farhad, et al.
Pubblicazione: (2024)

Optimization, Generalization and Differential Privacy Bounds for Gradient Descent on Kolmogorov-Arnold Networks
di: Wang, Puyu, et al.
Pubblicazione: (2026)

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

Causally Reliable Concept Bottleneck Models
di: De Felice, Giovanni, et al.
Pubblicazione: (2025)

Incremental Residual Concept Bottleneck Models
di: Shang, Chenming, et al.
Pubblicazione: (2024)

Towards Reasonable Concept Bottleneck Models
di: Kalampalikis, Nektarios, et al.
Pubblicazione: (2025)

Probabilistic classification from possibilistic data: computing Kullback-Leibler projection with a possibility distribution
di: Baaj, Ismaïl, et al.
Pubblicazione: (2026)

Quantifying Epistemic Uncertainty in Diffusion Models
di: Gupta, Aditi, et al.
Pubblicazione: (2026)

Rethinking Aleatoric and Epistemic Uncertainty
di: Smith, Freddie Bickford, et al.
Pubblicazione: (2024)

Deep Modeling of Non-Gaussian Aleatoric Uncertainty
di: Acharya, Aastha, et al.
Pubblicazione: (2024)

Bayesian Concept Bottleneck Models with LLM Priors
di: Feng, Jean, et al.
Pubblicazione: (2024)

Do Concept Bottleneck Models Respect Localities?
di: Raman, Naveen, et al.
Pubblicazione: (2024)

DeepUQ: Assessing the Aleatoric Uncertainties from two Deep Learning Methods
di: Nevin, Rebecca, et al.
Pubblicazione: (2024)

Addressing Concept Mislabeling in Concept Bottleneck Models Through Preference Optimization
di: Penaloza, Emiliano, et al.
Pubblicazione: (2025)

Mixture of Concept Bottleneck Experts
di: De Santis, Francesco, et al.
Pubblicazione: (2026)

Object Centric Concept Bottlenecks
di: Steinmann, David, et al.
Pubblicazione: (2025)

Learning to Intervene on Concept Bottlenecks
di: Steinmann, David, et al.
Pubblicazione: (2023)

Credal Two-Sample Tests of Epistemic Uncertainty
di: Chau, Siu Lun, et al.
Pubblicazione: (2024)

Uncertainty-Aware Deep Learning Framework for Remaining Useful Life Prediction in Turbofan Engines with Learned Aleatoric Uncertainty
di: Sharma, Krishang
Pubblicazione: (2025)

Learning Concept Bottleneck Models from Mechanistic Explanations
di: De Santis, Antonio, et al.
Pubblicazione: (2026)

Hoeffding Concept Bottleneck Models with Applications to Overhead Images
di: Bénard, Clément, et al.
Pubblicazione: (2026)

Towards Fine-Grained and Verifiable Concept Bottleneck Models
di: Fang, Yingying, et al.
Pubblicazione: (2026)

How to Stay Curious while Avoiding Noisy TVs using Aleatoric Uncertainty Estimation
di: Mavor-Parker, Augustine N., et al.
Pubblicazione: (2021)