Buchumschlag

Uncertainty-Calibrated Spatiotemporal Field Diffusion with Sparse Supervision

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Valencia, Kevin, Luo, Xihaier, Yoo, Shinjae, Park, David Keetae
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SCENT: Robust Spatiotemporal Learning for Continuous Scientific Data via Scalable Conditioned Neural Fields
von: Park, David Keetae, et al.
Veröffentlicht: (2025)

OmniField: Conditioned Neural Fields for Robust Multimodal Spatiotemporal Learning
von: Valencia, Kevin, et al.
Veröffentlicht: (2025)

Studying the Impact of Latent Representations in Implicit Neural Networks for Scientific Continuous Field Reconstruction
von: Xu, Wei, et al.
Veröffentlicht: (2024)

Continuous Field Reconstruction from Sparse Observations with Implicit Neural Networks
von: Luo, Xihaier, et al.
Veröffentlicht: (2024)

GST-UNet: A Neural Framework for Spatiotemporal Causal Inference with Time-Varying Confounding
von: Oprescu, Miruna, et al.
Veröffentlicht: (2025)

STACI: Spatio-Temporal Aleatoric Conformal Inference
von: Feng, Brandon R., et al.
Veröffentlicht: (2025)

PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift
von: Bae, Sangyoon, et al.
Veröffentlicht: (2026)

Evidential Deep Learning for Probabilistic Modelling of Extreme Storm Events
von: Khot, Ayush, et al.
Veröffentlicht: (2024)

DIVER-0 : A Fully Channel Equivariant EEG Foundation Model
von: Han, Danny Dongyeop, et al.
Veröffentlicht: (2025)

Sparsely Supervised Diffusion
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2026)

Latent-Space Causal Discovery from Indirect Neuroimaging Observations
von: Bae, Sangyoon, et al.
Veröffentlicht: (2026)

DIVER-1: Scaling Intracranial EEG Foundation Models for Transferable Representations
von: Han, Danny Dongyeop, et al.
Veröffentlicht: (2025)

DANCE: Doubly Adaptive Neighborhood Conformal Estimation
von: Feng, Brandon R., et al.
Veröffentlicht: (2026)

FM4NPP: A Scaling Foundation Model for Nuclear and Particle Physics
von: Park, David, et al.
Veröffentlicht: (2025)

DiffusionRollout: Uncertainty-Aware Rollout Planning in Long-Horizon PDE Solving
von: Yoo, Seungwoo, et al.
Veröffentlicht: (2026)

Diffusion Tensor Estimation with Uncertainty Calibration
von: Karimi, Davood, et al.
Veröffentlicht: (2021)

Know What You Don't Know: Uncertainty Calibration of Process Reward Models
von: Park, Young-Jin, et al.
Veröffentlicht: (2025)

Dynamical Implicit Neural Representations
von: Park, Yesom, et al.
Veröffentlicht: (2025)

CLUE: Neural Networks Calibration via Learning Uncertainty-Error alignment
von: Mendes, Pedro, et al.
Veröffentlicht: (2025)

Calibrated Explanations: with Uncertainty Information and Counterfactuals
von: Lofstrom, Helena, et al.
Veröffentlicht: (2023)

From Proxies to Fields: Spatiotemporal Reconstruction of Global Radiation from Sparse Sensor Sequences
von: Kobayashi, Kazuma, et al.
Veröffentlicht: (2025)

MCNet: Monotonic Calibration Networks for Expressive Uncertainty Calibration in Online Advertising
von: Dai, Quanyu, et al.
Veröffentlicht: (2025)

Repurposing Image Diffusion Models for Training-Free Music Style Transfer on Mel-spectrograms
von: Wang, Heehwan, et al.
Veröffentlicht: (2024)

Uncertainty Quantification of Deep Learning for Spatiotemporal Data: Challenges and Opportunities
von: He, Wenchong, et al.
Veröffentlicht: (2023)

Adjusting Regression Models for Conditional Uncertainty Calibration
von: Gao, Ruijiang, et al.
Veröffentlicht: (2024)

Quantum Super-resolution by Adaptive Non-local Observables
von: Lin, Hsin-Yi, et al.
Veröffentlicht: (2026)

Transfer Learning Analysis of Variational Quantum Circuits
von: Tseng, Huan-Hsin, et al.
Veröffentlicht: (2025)

Adaptive Non-local Observable on Quantum Neural Networks
von: Lin, Hsin-Yi, et al.
Veröffentlicht: (2025)

Quantum Reinforcement Learning by Adaptive Non-local Observables
von: Lin, Hsin-Yi, et al.
Veröffentlicht: (2025)

Quantum Gradient Class Activation Map for Model Interpretability
von: Lin, Hsin-Yi, et al.
Veröffentlicht: (2024)

From Entropy to Calibrated Uncertainty: Training Language Models to Reason About Uncertainty
von: Jenane, Azza, et al.
Veröffentlicht: (2026)

Comparative Performance Evaluation of Large Language Models for Extracting Molecular Interactions and Pathway Knowledge
von: Park, Gilchan, et al.
Veröffentlicht: (2023)

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

ConformaDecompose: Explaining Uncertainty via Calibration Localization
von: Yapicioglu, Fatima Rabia, et al.
Veröffentlicht: (2026)

SparseDM: Toward Sparse Efficient Diffusion Models
von: Wang, Kafeng, et al.
Veröffentlicht: (2024)

Filling the Missings: Spatiotemporal Data Imputation by Conditional Diffusion
von: He, Wenying, et al.
Veröffentlicht: (2025)

Diffusion Transformers as Open-World Spatiotemporal Foundation Models
von: Yuan, Yuan, et al.
Veröffentlicht: (2024)

NSNQuant: A Double Normalization Approach for Calibration-Free Low-Bit Vector Quantization of KV Cache
von: Son, Donghyun, et al.
Veröffentlicht: (2025)

Improving Perturbation-based Explanations by Understanding the Role of Uncertainty Calibration
von: Decker, Thomas, et al.
Veröffentlicht: (2025)

Why Uncertainty Calibration Matters for Reliable Perturbation-based Explanations
von: Decker, Thomas, et al.
Veröffentlicht: (2025)