Toward Intrinsically Calibrated Uncertainty Quantification in Industrial Data-Driven Models via Diffusion Sampler

Yiran Ma, Jérôme Le Ny, Zhichao Chen et Zhihuan Song

Article de revue (2026)

Un lien externe est disponible pour ce document

Département:	Département de génie électrique
Organismes subventionnaires:	National Natural Science Foundation of China, China Postdoctoral Science Foundation
Numéro de subvention:	62473103, 2025M781449
URL de PolyPublie:	https://publications.polymtl.ca/76586/
Titre de la revue:	IEEE Transactions on Industrial Informatics
Maison d'édition:	Institute of Electrical and Electronics Engineers
DOI:	10.1109/tii.2026.3680957
URL officielle:	https://doi.org/10.1109/tii.2026.3680957
Date du dépôt:	13 mai 2026 16:26
Dernière modification:	13 mai 2026 16:26

Citer en APA 7:	Ma, Y., Le Ny, J., Chen, Z., & Song, Z. (2026). Toward Intrinsically Calibrated Uncertainty Quantification in Industrial Data-Driven Models via Diffusion Sampler. IEEE Transactions on Industrial Informatics, 12 pages. https://doi.org/10.1109/tii.2026.3680957
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel