Buchumschlag

Credal Concept Bottleneck Models for Epistemic-Aleatoric Uncertainty Decomposition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mukherjee, Tanmoy, Bailleux, Thomas, Marquis, Pierre, Bouraoui, Zied
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

Ontology Completion with Natural Language Inference and Concept Embeddings: An Analysis
von: Li, Na, et al.
Veröffentlicht: (2024)

Grounding Agent Reasoning in Image Schemas: A Neurosymbolic Approach to Embodied Cognition
von: Olivier, François, et al.
Veröffentlicht: (2025)

Towards a Neurosymbolic Reasoning System Grounded in Schematic Representations
von: Olivier, François, et al.
Veröffentlicht: (2025)

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

Modelling Commonsense Commonalities with Multi-Facet Concept Embeddings
von: Kteich, Hanane, et al.
Veröffentlicht: (2024)

Skim-Aware Contrastive Learning for Efficient Document Representation
von: Abro, Waheed Ahmed, et al.
Veröffentlicht: (2025)

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

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

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

Evaluating Robustness of Reasoning Models on Parameterized Logical Problems
von: Es-sebbani, Naïm, et al.
Veröffentlicht: (2026)

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

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

Rethinking Epistemic and Aleatoric Uncertainty for Active Open-Set Annotation: An Energy-Based Approach
von: Zong, Chen-Chen, et al.
Veröffentlicht: (2025)

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

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

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

Why Deep Jacobian Spectra Separate: Depth-Induced Scaling and Singular-Vector Alignment
von: Haas, Nathanaël, et al.
Veröffentlicht: (2026)

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

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

Uncertainty-Aware Concept Bottleneck Models with Enhanced Interpretability
von: Zhang, Haifei, et al.
Veröffentlicht: (2025)

Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models
von: Li, Ruiyang, et al.
Veröffentlicht: (2026)

REFINE-LM: Mitigating Language Model Stereotypes via Reinforcement Learning
von: Qureshi, Rameez, et al.
Veröffentlicht: (2024)

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

Certainly Uncertain: A Benchmark and Metric for Multimodal Epistemic and Aleatoric Awareness
von: Chandu, Khyathi Raghavi, et al.
Veröffentlicht: (2024)

Credal Learning Theory
von: Caprio, Michele, et al.
Veröffentlicht: (2024)

The Limits of AI-Driven Allocation: Optimal Screening under Aleatoric Uncertainty
von: Cortes-Gomez, Santiago, et al.
Veröffentlicht: (2026)

Counterfactual Concept Bottleneck Models
von: Dominici, Gabriele, et al.
Veröffentlicht: (2024)

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

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

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

Incremental Residual Concept Bottleneck Models
von: Shang, Chenming, et al.
Veröffentlicht: (2024)

Towards Reasonable Concept Bottleneck Models
von: Kalampalikis, Nektarios, et al.
Veröffentlicht: (2025)

Dynamic Blocked Clause Elimination for Projected Model Counting
von: Lagniez, Jean-Marie, et al.
Veröffentlicht: (2024)

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

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

Cytochemical responses of Hediste diversicolor (Nereidae, Polychaete) sampled from polluted sites along the Tunisian coast
von: Zied Bouraoui
Veröffentlicht: (2014)

Relational Concept Bottleneck Models
von: Barbiero, Pietro, et al.
Veröffentlicht: (2023)