LEARNING
基于不变测度共形预测的不确定性量化
Mohammadhossein Bakhtiaridoust, Dominik Baumann, Shankar Deka
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种不变测度共形预测框架，用于量化学习随机动力系统的不确定性。该方法通过从动力系统的不变测度中独立采样来校准预测区间，解决了轨迹数据时间依赖性和递归误差累积问题，适用于安全关键控制与监测任务。
关键词
conformal predictionuncertainty quantificationdynamical systemsinvariant measurestochastic systems
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018