Buchumschlag

Robustness Quantification and Uncertainty Quantification: Comparing Two Methods for Assessing the Reliability of Classifier Predictions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Detavernier, Adrián, De Bock, Jasper
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robustness and uncertainty: two complementary aspects of the reliability of the predictions of a classifier
von: Detavernier, Adrián, et al.
Veröffentlicht: (2025)

Robustness quantification: a new method for assessing the reliability of the predictions of a classifier
von: Detavernier, Adrián, et al.
Veröffentlicht: (2025)

Robustness Quantification for Discriminative Models: a New Robustness Metric and its Application to Dynamic Classifier Selection
von: Lassance, Rodrigo F. L., et al.
Veröffentlicht: (2026)

Reliable Trajectory Prediction and Uncertainty Quantification with Conditioned Diffusion Models
von: Neumeier, Marion, et al.
Veröffentlicht: (2024)

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

Uncertainty Quantification on Clinical Trial Outcome Prediction
von: Chen, Tianyi, et al.
Veröffentlicht: (2024)

Fair Uncertainty Quantification for Depression Prediction
von: Li, Yonghong, et al.
Veröffentlicht: (2025)

Bayesian Uncertainty Quantification with Anchored Ensembles for Robust EV Power Consumption Prediction
von: Farhani, Ghazal, et al.
Veröffentlicht: (2025)

Robust and Reliable AI for Predictive Quality in Semiconductor Materials Manufacturing with MLOps and Uncertainty Quantification
von: Gao, Min, et al.
Veröffentlicht: (2026)

A Survey on Uncertainty Quantification Methods for Deep Learning
von: He, Wenchong, et al.
Veröffentlicht: (2023)

On the Interconnections of Calibration, Quantification, and Classifier Accuracy Prediction under Dataset Shift
von: Moreo, Alejandro
Veröffentlicht: (2025)

Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model
von: Tang, Yanchuan, et al.
Veröffentlicht: (2026)

Epistemic Wrapping for Uncertainty Quantification
von: Sultana, Maryam, et al.
Veröffentlicht: (2025)

Discriminant Distance-Aware Representation on Deterministic Uncertainty Quantification Methods
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2024)

A Comparative Evaluation of Quantification Methods
von: Schumacher, Tobias, et al.
Veröffentlicht: (2021)

Geometry-Aware Uncertainty Quantification via Conformal Prediction on Manifolds
von: Shahbazi, Marzieh Amiri, et al.
Veröffentlicht: (2026)

Calibrated Uncertainty Quantification for Operator Learning via Conformal Prediction
von: Ma, Ziqi, et al.
Veröffentlicht: (2024)

Uncertainty Quantification With Multiple Sources
von: Ying, Mufang, et al.
Veröffentlicht: (2024)

Is the Last Layer Sufficient for Uncertainty Quantification?
von: Wilson, Joseph, et al.
Veröffentlicht: (2026)

Position: There Is No Free Bayesian Uncertainty Quantification
von: Melev, Ivan, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Quantum Computing
von: Bennink, Ryan, et al.
Veröffentlicht: (2026)

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

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

Uncertainty Quantification with Proper Scoring Rules: Adjusting Measures to Prediction Tasks
von: Hofman, Paul, et al.
Veröffentlicht: (2025)

Black-box Uncertainty Quantification Method for LLM-as-a-Judge
von: Wagner, Nico, et al.
Veröffentlicht: (2024)

Efficient Line Search Method Based on Regression and Uncertainty Quantification
von: Laue, Sören, et al.
Veröffentlicht: (2024)

A Simple and Effective Method for Uncertainty Quantification and OOD Detection
von: Ma, Yaxin, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Neurosymbolic Programs via Compositional Conformal Prediction
von: Ramalingam, Ramya, et al.
Veröffentlicht: (2024)

Benchmarking GNNs for OOD Materials Property Prediction with Uncertainty Quantification
von: Tan, Liqin, et al.
Veröffentlicht: (2025)

WQLCP: Weighted Adaptive Conformal Prediction for Robust Uncertainty Quantification Under Distribution Shifts
von: Alijani, Shadi, et al.
Veröffentlicht: (2025)

The Role of Ambiguity in Error Prediction via Uncertainty Quantification
von: Staliūnaitė, Ieva Raminta, et al.
Veröffentlicht: (2026)

Uncertainty Quantification Metrics for Deep Regression
von: Lind, Simon Kristoffersson, et al.
Veröffentlicht: (2024)

Interventional Processes for Causal Uncertainty Quantification
von: Dance, Hugh, et al.
Veröffentlicht: (2024)

Bi-fidelity Variational Auto-encoder for Uncertainty Quantification
von: Cheng, Nuojin, et al.
Veröffentlicht: (2023)

CUQDS: Conformal Uncertainty Quantification under Distribution Shift for Trajectory Prediction
von: Huang, Huiqun, et al.
Veröffentlicht: (2024)

Activation-Space Uncertainty Quantification for Pretrained Networks
von: Bergna, Richard, et al.
Veröffentlicht: (2026)

On the Uncertainty Quantification Ability of Tabular Foundation Models
von: Johnson, Tyler R., et al.
Veröffentlicht: (2026)

Linear Opinion Pooling for Uncertainty Quantification on Graphs
von: Damke, Clemens, et al.
Veröffentlicht: (2024)

Multidimensional Uncertainty Quantification via Optimal Transport
von: Kotelevskii, Nikita, et al.
Veröffentlicht: (2025)

Label-wise Aleatoric and Epistemic Uncertainty Quantification
von: Sale, Yusuf, et al.
Veröffentlicht: (2024)