｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,9,23]，“日期时间”：“2024-09-23T04:28:23Z”，“时间戳”：1727065703022｝，“引用计数”：95，“发布者”：“施普林格科学与商业媒体有限责任公司”，“发布”：“1”，“许可证”：[｛“开始”：｛“日期部分”：[[2022,4,18]，“日期时间”：“2022-04-18T00:00:00Z”，“timestamp”：165024000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,4,18]]，“date-time”：“2022-04-18T00:00:00Z”，“timetamp”：1.65024000000}：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Artif Intell Rev”]，”published-print“：{”date-parts“：[2023,1]]}，”DOI“：”10.1007\/s10462-022-10178-5“，”类型“：”journal-article“，”created“：rts”：[[2022,4,18]]，“date-time”：“2022-04-18T18:03:26Z”，“timestamp”：1650305006000}，“page”：“577-613”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：“Crossref”，“is-referenced-by-count”：15，“title”：[“回归问题的有效预测间隔”]，“prefix”：“10.1007”，”volume“：”56“，”author“：[{”ORCID“：“http://\/orcid.org\/00000-0002-3930-1420”，“authenticated-orcid”：false，“given”：“Nicolas”，“family”：“Dewolf”，“sequence”：“first”，“affiliation”：[]}，{“giving”：“Bernard De”，”family“：”Baets“，”sequence“：”additional“，”affiliance“：[]neneneep，{”given“Willem”，“家族”：“Waegeman”，“序列”：“additional”，“从属关系”：[]，“成员”：“297”，“在线发布”：{“date-parts”：[[2022,4,18]]}，“reference”：[{“key”：“10178_CR1”，“doi-asserted-by”：“publisher”，《非结构化》：“Achilles C，Bain HP，Bellott F，Boyd-Zaharias J，Finn J，Folger J，Johnston J，Word E（2008）Tennessee\u2019s学生教师成就比（STAR）项目。https:\//doi.org\/10.7910\/DVN\/SIWH9F”，“doi”：“10.7910\/DVN”/SIWH9F“}，{”问题“：“1”，“key”：“10178_CR2”，“doi-asserted-by”：“publisher”，“first page”：：“486”，“doi”：“10.1214\/20-AOS1965”，“volume”：”49“，”author“：”RF Barber“，”year“：”2021“，”unstructured“：”Barber RF，Candes EJ，Ramdas A，Tibshirani RJ（2021）使用jackknife进行预测推断+。Ann Stat 49（1）：486\u2013507“，”journal-title“：”Ann Stat}，{“问题”：“518”，“密钥”：“10178_CR3”，“doi-asserted-by”：“publisher”，“first page”：“859”，“doi”：“10.1080\/01621459.2017.1285773”，“volume”：”112“，“author”：“DM Blei”，“year”：“2017”，“unstructured”：“Blei DM，Kucukelbir A，McAuliffe JD（2017）变分推断：统计学家综述。J Am Stat Assoc 112（518）：859\u2013877”，“journal title”：“J Am Stat Assoc.”}，{“key”：“10178_CR4”，“非结构化”：“Blundell C，Cornebise J，Kavukcuoglu K，Wierstra D（2015）神经网络中的权重不确定性。in：国际机器学习会议。PMLR，pp 1613\u20131622”}，{“issue”：“1”，“key”：“10178_CR5”，“doi-asserted-by”：“publisher”，“first page”：”125“，“doi”：“10.1007\/s10472-017-9539-9”，《volume》：“81”，“author”：“H Bostr\u00f6m”，”“year”：“2017年”，“非结构化”：“Bostr\u00f6m H，Linusson H，L\u00f 6fstr\u00fs6m T，Johansson U（2017）加速共形回归森林的难度估计。《数学学报》81（1）：125\u2013144”，“期刊标题”：“数学学报”}，{“问题”：“2”，“关键字”：“10178_CR6”，“doi-asserted-by”：“出版商”，“首页”：“123”，“doi”：“10.1007\/BF00058655”，“volume”：“24”，“author”：“L Breiman”，“year”：“1996”，“unstructured”：“Breiman L（1996）Bagging predictors.Mach Learn 24（2）：123\u2013140”，“journal-title”：“Mach Learning”}，{“issue”：“1”，“key”：《10178_CR7》，“doi-asserted-by”：“publisher”，“first page”：第5页，“doi”：“10.1023\/A:1010933404324”，“卷”：“45”，“作者”：“L Breiman”，“年份”：“2001”，“非结构化”：“Breiman L（2001）Random forests.Mach Learn 45（1）：5\u201332”，“journal-title”：“Mach Learning”}，{“key”：“10178_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Buza K（2014）博客反馈预测。In:Spiliopoulou M，Schmidt-Thieme L，Janning R（eds）数据分析、机器学习和知识发现。Springer International Publishing，Cham，pp 145\u2013152“，”DOI“：”10.1007\/978-3-319-01595-8_16“}，{“key”：“10178_CR9”，“DOI-asserted-by”：“publisher”，“first page”：”23357“，”DOI“：“10.1109\/ACCESC.2021.3056003”，“volume”：《9》，“author”：“O Cartagena”，“year”：“2021”，“unstructured”：“Cartagena-O，Parra S，Mu\u00f1oz-Carpintero D，3月LG，S\u00e1ez D（2021）非线性动力系统的模糊和神经预测区间建模综述。IEEE访问：9:23357\u201323384。https:\/\/doi.org\/10.109\/ACCESS.2021.3056003“，”journal-title“：”IEEE ACCESS“}，{“key”：“10178_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen Z，Huang X（2017）。自动驾驶汽车车道保持的端到端学习。IEEE，第1856\u20131860页”，“doi”：“10.1109\/IVS.2017.79975”}，“{”key“：”10178_CR11“，”doi-assert-by“：”交叉参考“，”非结构化”：“Chernozhukov V，W\u00fcthrich K，Yinchu Z（2018）用于依赖数据的预测机器学习的精确和鲁棒保角推理方法。参加：学习理论会议。PMLR，pp 732\u2013749“，”DOI“：”10.1920\/wp.cem.2018.1618“}，{”issue“：”1“，”key“：”10178_CR12“，”DOI-asserted-by“：”crossref“，”first page“：“136”，”DOI:“10.1177\/0954405596141”，“volume”：“230”，“author”：“A Coraddu”，“year”：“2016”，“unstructured”：“Coraddu A，Oneto L，Ghio A，Savio S、安吉塔·D、菲加里·M（2016）改进海军推进装置条件维修的机器学习方法。Proceed Instit Mech Eng Part M 230（1）：136\u2013153“，”journal-title“：”Proceed Instit Mech Eng Part M“}，{“issue”：“1”，“key”：“10178_CR13”，“doi-asserted-by”：“publisher”，“first-page”：“24”，“doi”：“10.1109\/100.486658”，“volume”：”3“author”：“PI Corke”，“year”：“1996”，“unstructured”：“Corke PI（1996）MATLAB的机器人工具箱。IEEE Robot Automatic马加兹3（1）：24\u201332”，“期刊标题”：“IEEE Robot Automat Magaz”｝，｛“key”：“10178_CR14”，“非结构化”：“Dua D，Graff C（2017）UCI机器学习库。http:\/\/archive.ics.UCI.edu\/ml数据集库”｝，｛“issue”：“1”，“key”：“10178_CR15”，“doi断言者”：“crossref”，“首页”：“83”，“doi”：“10.1111\/j.25117-6161.1992.tb01866.x”，“volume“：”54“，”作者：“B Efron”，“year”：“1992”，“unstructured”：“Efron B（1992）Jackknife-after-bootstrap标准错误和影响函数。J Roy Stat Soc:Ser B（Methodol）54（1）：83\u2013111“，”journal-title“：”J Roy Stat Soc:Ser B“（Methotol）”}，{“key”：“10178_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Fang Y，Xu P，Yang J，Qin Y（2018）一种基于分位数回归森林的方法，用于预测药物疗效并评估预测可靠性。PLoS ONE 13（10）”，“doi”：“10.1371 \/journal.pone.0205155“}，{“issue”：“342”，“key”：“10178_CR17”，“doi-asserted-by”：“publisher”，“first page”：”433“，“doi”：“10.1080\/01621459.1973.10482450”，“volume”：：“68”，“author”：“DG Faulkenberry”，“year”：“1973”，“unstructured”：“Faulkenperry DG（1973）获取预测区间的方法。J Am Stat Assoc 68（342）：433\u2013.435“，”新闻标题“：”J Am Stat Assoc“}，{“key”：“10178_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Ferreira RP，Affonso C，Sassi RJ（2011）人工智能技术组合预测圣保罗市城市车辆交通行为，pp 1\u20137”，“doi”：“10.21528\/CBIC2011-12.1”}，}“volume-title”：“共轭先验文献简编”，“年份”：“1997年”，“作者”：“D Fink”，“关键”：“10178_CR19”，“非结构化”：“Fink D（1997）共轭先验论文简编。蒙大拿州立大学，技术代表“}，{“key”：“10178_CR20”，“unstructured”：“Fort S，Hu H，Lakshminarayanan B（2019）Deep ensembles:a loss landscape perspective”}，}“issue”：“1”，“key“：“10178 _CR21”，“doi-asserted-by”：“publisher”，“first page”：“，”非结构化“：”Fraser DA、Guttman I等人（1956年），公差区域。Ann Math Stat 27（1）：162\u2013179“，“journal-title”：“Ann Math Stat”}，{“key”：“10178_CR22”，“unstructured”：“Gal Y（2016）深度学习中的不确定性。剑桥大学1（3）”}、{“密钥”：“101 78_CR23”，“非结构化”：“Gal Y，Ghahramani Z（2016）。摘自：Balcan MF，Weinberger KQ（eds）辍学作为贝叶斯近似：在深度学习中表示模型不确定性，第48卷。PMLR，美国纽约州纽约市，pp 1050\u20131059“}，{“key”：“10178_CR24”，“unstructured”：“Gammerman A，Vovk V，Vapnik V（1998）Learning by transformation，vol UAI\u2019 98。Morgan Kaufmann Publishers Inc.，加利福尼亚州旧金山，第148\u2013155页“}，{“key”：“10178_CR25”，“unstructured”：“Gardner JR，Pless G，Bindel D，Weinberger KQ，Wilson AG，Gpytorch（2018）Blackbox matrix matrix gaussian process inference with gpu acceleration（带gpu加速的黑匣子矩阵高斯过程推断）”}，}，“key“：”10178_CR2“，“doi-asserted-by”：“publisher”，“非结构化”Geng C，Huang SJ，Chen S（2020）《开放集识别的最新进展：一项调查》，第1\u20131页。https:\/\/doi.org\/10.109\/TPAMI.2020.2981604“，”doi“：”10.1109\/TPAMI.2020.2961604“}，{“key”：“10178_CR27”，“doi-asserted-by”：“crossref”，“unstructured”：“Gentle JE（2009）Monte Carlo methods for statistical inference.Computational Statistics.Springer，pp 417\u2013433”，“doi”：“10.1007\/978-0-387-98144-4_11”}，“issue”：“477”，“key：“10178_CR28”doi-asserted-by“：”publisher“，”first page“：”359“，”doi“：”10.1198\/01621450000001437“，”volume“：“102”，”author“：”T Gneiting“，”year“：”2007“，”unstructured“：”Gneitig T，Raftery AE（2007）严格正确的评分规则、预测和估计。J Am Stat Assoc 102（477）：359\u2013378“，“journal-title”：“J Am Stat Assoc.”}，{“key”：“10178_CR29”，“doi-asserted-by”：“crossref”，“unstructured”：“Goan E，Fookes C（2020）Bayesian neural networks:an introduction and surview。In:Case Studies In Applied Bayesia Data Science。Springer，pp.45\u201387”，“doi”：“10.1007\/978-3-030-42553-1_3”}、{“key”：”10178_CR30”，“非结构化”：“Goodfellow IJ，Shlens J，Szegedy C（2015）解释和利用对抗性示例。收录于：Bengio Y，LeCun Y（eds）第三届国际学习表征会议，ICLR 2015，加利福尼亚州圣地亚哥。会议跟踪记录“}，{“key”：“10178_CR31”，“unstructured”：“Guo C，Pless G，Sun Y，Weinberger KQ（2017）《关于现代神经网络的校准》。收录于《国际机器学习会议》。PMLR，pp.1321\u20131330”}key“：”10178_CR32“，”unstructured“：”Havlicek O GitHub问题：QRF预测非常慢。https:\/\/github.com/scikit-garden\/scikit-garden \/sissues\/74“}，{“key”：“10178_CR33”，“doi-asserted-by”：“crossref”，“unstructured”：“Hein M，Andriushchenko M，Bitterwolf J（2019）为什么relu网络在远离训练数据的情况下会产生高置信度预测，以及如何缓解问题。pp 41\u201350”，“doi”：“10.1109\/CVPR.2019.00013”}10178_CR34“，“非结构化”：”Hensman J，Matthews A，Ghahramani Z（2015）可缩放变分高斯过程分类。在：人工智能和统计。PMLR，pp.351\u2013360“}，{“key”：“10178_CR35”，“unstructured”：“Heskes T（1996）实际置信度和预测区间，vol NIPS\u2019 96。麻省理工学院出版社，pp 176\u2013182“}，{“key”：“10178_CR36”，“doi-asserted-by”：“publisher”，“unstructured”：“Hinton GE，van Camp D（1993）通过最小化权重的描述长度保持神经网络的简单性，vol\u201993。计算机械协会，纽约州纽约市，第5\u201313页。https:\/\/doi.org\/10.1145\/168304.168306“，”doi“：”10.1145\/168304“.168306”}，{“问题”：“2”，“密钥”：“10178_CR37”，“doi-asserted-by”：“发布者”，“首页”：“263”，“doi”：“10.1136\/amiajnl-2011-000291”，“卷”：“19”，“作者”：“X Jiang”，“年份”：“2012”，“非结构化”：“Jiang X，Osl M，Kim J，Ohno-Mach ado L（2012）校准预测模型估计值以支持个性化医疗。J Am Med Inform Assoc 19（2）：263\u2013274“，”journal-title“：”J Am Mes Inform Assoc“}，{”issue“：”1\u20132“，”key“：”10178_CR38“，”doi-asserted-by“：”publisher“，”first page“：“155”，”doi“：”10.1007\/s10994-014-5453-0“，6m H，L\u00f6fstr\u00f 6m T，Linusson H（2014）随机森林回归保角预测。《马赫学习》97（1\u20132）：155\u2013176“，“期刊标题”：“马赫学习”}，{“关键”：“10178_CR39”，“非结构化”：“Kaya H，T\u00fcfekci P，G\u00fc rgen FS（2012）《燃气轮机和蒸汽轮机联合功率预测的本地和全球学习方法》，第13\u201318页”}、{“重点”：“101 78_CR40”，“无结构化”：”Kendall a，Gal Y（2017）在计算机视觉的贝叶斯深度学习中，我们需要哪些不确定性？收录：Guyon I，Luxburg UV，Bengio S，Wallach H，Fergus R，Vishwanathan S，Garnett R（eds）Advances In Neural Information Processing Systems，vol.\u00a030。Curran Associates，Inc，pp 5580\u2014\u20135590“}，{”key“：”10178_CR41“，”doi-asserted-by“：”publisher“，”first page“：“54033”，”doi“：”10.1109\/ACCESS.2018.287171“，”volume“：6”，”author“：”G Keren“，”year“：”2018“，”unstructured“：”Keren G，Cummins N，Schuler B（2018）神经网络回归器的校准预测区间。IEEE Access 6:54033\u201354041“，”journal-title“：”IEEE Access“}，{”issue“：”9“，”key“：”10178_CR42“，”doi-asserted-by“：”publisher“，”first-page“：”1341“，”doi“：”10.1109\/TNN.2011.2162110“，”volume“：“22”，”author“：”A Khosravi“，”year“：”2011“，”unstructured“：”KhosraviA，Nahavandi S，Creighton D，Atiya AF（2011）综述了基于神经网络的预测区间和新进展。IEEE Trans Neural Netw 22（9）：1341\u20131356。https:\/\/doi.org\/10.109\/TNN.2011.2162110“，”journal-title“：”IEEE Trans Neural Netw“}，{”issue“：”3“，”key“：”10178_CR43“，”doi-asserted-by“：”publisher“，”first page“：“337”，”doi“：”10.1109\/TNN.2010.2096824“，”volume“:”22“，”author“：”A Khosravi“，”year“：”2011“，”unstructured“：”Khosravavi A，Nahavandi S、克雷顿·D、阿提亚·AF（2011）用于构建基于神经网络的预测区间的上下限估计方法。IEEE Trans Neural Netw 22（3）：337\u2013346。https:\/\/doi.org\/10.109\/TNN.2010.2096824“，”journal-title“：”IEEE Trans Neural Netw“}，{”issue“：”8“，”key“：”10178_CR44“，”doi-asserted-by“：”publisher“，”first page“：“1810”，“doi”：“10.1109\/TNNLS.2014.2354418”，“volume”：“26”，“author”：“A Khosravi”，“year”：“2015”，“unstructured”：“Khosravavi A，Nahavand i S、Srinivasan D、Khosravi R（2015）利用神经网络和bootstrap方法构造最优预测区间。IEEE Trans Neural Netwo学习系统26（8）：1810\u20131815。https:\/\/doi.org\/10.109\/TNNLS.2014.2354418“，“journal-title”：“IEEE Trans-Neural Netwo学习系统”}，{“key”：“10178_CR45”，“unstructured”：“Kivaranovic D，Johnson KD，Leeb H（2020）深度网络的自适应、无分布预测间隔。In:国际人工智能与统计会议。PMLR，pp.4346\u20134356”}、{“issue“：”4“，”key“：”10178_CR46“，”doi-asserted-by“：”publisher“，”first page“：“143”，“doi”：“10.1257\/jep.15.4.143”，“volume”：“15”，“author”：“R Koenker”，“year”：“2001”，“unstructured”：“Koenker R，Hallock KF（2001）分位数回归。经济展望杂志15（4）：143\u2013156。https:\/\/doi.org\/10.1257\/jep.15.4.143“，”journal-title“：”J Econom Perspect“}，{”key“：”10178_CR47“，”unstructured“：”Kuleshov V，Fenner N，Ermon S（2018）使用校准回归进行深度学习的准确不确定性。In:Dy J，Krause A（eds）第35届机器学习国际会议论文集，《机器学习研究论文集》，第\u00a080卷。PMLR，Stockholmsm\u00e4ssan，瑞典斯德哥尔摩，pp 2796\u20132804“}，{“key”：“10178_CR48”，“unstructured”：“Kull M，Filho TS，Flach P（2017）Beta calibration:a well-based and easy implemented improvement on logistic calibration for binary classifiers。In:Singh a，Zhu J（eds）《第20届国际人工智能与统计会议论文集》，《机器学习研究论文集》第\u00a054卷。PMLR，佛罗里达州劳德代尔堡，第623\u2013631页“}，{“key”：“10178_CR49”，“unstructured”：“Lakshminarayanan B，Pritzel A，Blundell C（2017）。使用深度集合进行简单且可扩展的预测不确定性估计，第NIPS\u201917卷。Curran Associates Inc.，Red Hook，NY，pp 6405\u20136416“}，{“key”：“10178_CR50”，“unstructured”：“Lee S，Purushwalkam S，Cogswell M，Crandall DJ，Batra D（2015）Why M heads are better than one:Training a diversity ensive ensive of deep networks.CoRR arXiv:abs \/1511.06314”}，}“key”：“101 78_CR51”，“doi-asserted-by”：“crossref”，“非结构化”：“Lei J，Wasserman L（2014）非参数回归的无分布预测带。英国皇家统计学会期刊：B辑。统计方法，第71\u201396页”，“DOI”：“10.1111\/rssb.12021”}，{“key”：“10178_CR52”，“unstructured”：“Liu J，Paisley J，Kioumourtzoglou MA，Coull B（2019），集合学习中的准确不确定性估计和分解。in：神经信息处理系统的进展，第u00a032卷。Curran Associates，Inc“｝，｛“issue”：“3”，“key”：“10178_CR53”，“doi asserted by”：“publisher”，“首页”：“448”，“doi”：“10.1162\/neco.1992.4.3.448”，“volume”：“4”，“author”：“DJ MacKay”，“year”：“1992”，“nonstructured”：“MacKay DJ（1992）反向传播网络的实用贝叶斯框架。Neural Comput 4（3）：448\u2013472”，“journal title”：“Neural Comput”｝，{“key”：“10178_CR54”，“unstructured”：“Malinin A，Gales M（2018）。基于先验网络的预测不确定性估计，第NIPS\u201918卷。Curran Associates Inc.，第7047\u20137058页“}，{“key”：“10178_CR55”，“首页”：“983”，“卷”：“7”，“作者”：“N Meinshausen”，“年份”：“2006”，“非结构化”：“Meinshause N（2006）分位数回归森林。J Mach Learn Res 7:983\u2013999”，“日志标题”：“J Mach Learn Res”}，}“keys”：“101 78_CR56”，“doi-asserted-by”：“publisher”，“unstructured”：“”Michelmore R、Wicker M、Laurenti L、Cardelli L、Gal Y、Kwiatkowska M（2020）端到端自动驾驶控制中统计保证的不确定性量化，第7344\u20137350页。https:\/\/doi.org\/10.1109\/ICRA405.2020.9196844“，”doi“：”10.1109\/ICRS405.2020.9296844”}，{“问题”：“1”，“密钥”：“10178_CR57”，“首页”：“一”，“卷”：“61”，“作者”：“RG Miller”，“年份”：“1974”，“非结构化”：“Miller RG（1974）The jackknife-a review.Biometrika 61（1）：1\u201315”，“日志标题”：“Biometrica“}，{”key“：”10178_CR58“，”doi-asserted-by“：”crossref”，“非结构化”：“Naeini MP，Cooper G，Hauskrecht M（2015）。使用贝叶斯binning（第29卷）获得校准好的概率。AAAI Press，pp 2901\u20132907“，”DOI“：”10.1609\/AAAI.v29i1.9602“}，{“key”：“10178_CR59”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1007\/978-4612-0745-0”，”volume-title“：“神经网络的贝叶斯学习”，“author”：“RM Neal”，“year”：“1996”，“unstructured”：“Neal RM（1996）神经网络的贝叶斯学习。Springer-Verlag，Berlin，Heidelberg”}，{“key“：”10178_CR60“，”doi-asserted-by“：”crossref“，”unstructured“：”Nix DA，Weigend AS（1994）估计目标概率分布的均值和方差，第1卷。IEEE，pp 55\u201360“，“DOI”：“10.1109\/ICNN.1994.374138”}，{“key”：“10178_CR61”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ott M，Auli M，Grangier D，Ranzato M（2018），《神经机器翻译中的不确定性分析》。摘自：国际机器学习会议（ICML）。PMLR，pp.3956\u20133965”，“DOI:”10.18653\/v1\/W18-6301“}10178_CR62“，“非结构化”：“Papadopoulos H，Gammerman A，Vovk V（2008）回归共形预测的标准化不一致性度量。摘自：IASTED国际人工智能与应用会议论文集（AIA 2008），第64\u201369页“}，{“key”：“10178_CR63”，“doi-asserted-by”：“crossref”，“unstructured”：“Papadopoulos H，Proedrou K，Vovk V，Gammerman A（2002）回归的归纳置信机，第345\u2013356页”，“doi”：“10.1007\/3-540-36755-1_29”}key“：”10178_CR64“，”doi-asserted-by“：”crossref“，”unstructured“：”Papadopoulos H，Vovk V，Gammerman A（2007）《神经网络保角预测》。收录于：第19届IEEE人工智能工具国际会议（ICTAI 2007），第\u00a02卷，第388\u2013395页，“DOI”：“10.1109\/ICTAI.2007.47”}，{“key”：“10178_CR65”，“DOI-asserted-by”：“publisher”，“first page”：”815“，“DOI:”10.1613\/jair.3198“，”volume“：”40“author”：“H Papadopoulos”，“year”：“2011”，“unstructured”：“Papadopoulos H，Vovk V，Gammerman A（2011）最近邻回归保角预测。J Artif Intell Res 40:815\u2013840“，“新闻标题”：“J Artif-Intell Res”}，{“key”：“10178_CR66”，“非结构化”：“Paszke A，Gross S，Massa F，Lerer A，Bradbury J，Chanan G，Killeen T，Lin Z，Gimelshein N，Antiga L，Desmaison A，Kopf A，Yang E，DeVito Z，Raison M，Tejani A，Chilamkurthy S，Steiner B，Fang L，Bai J，Chintala S（2019）Pytorch：一个命令式、高性能的深度学习库。收录：Wallach H、Larochelle H、Beygelzimer A、d\u2019Alch\u00e9-Buc F、Fox E、Garnett R（eds）《神经信息处理系统进展》32。Curran Associates，Inc，pp 8024\u20138035“}，{“key”：“10178_CR67”，“unstructured”：“Pearce T（2020）神经网络中的不确定性；贝叶斯集合、先验和预测区间。剑桥大学（博士论文）”}，}，“key“：”10178_CR 68“，“unsructured“：”Pearce T，Brintrup A，Zaki M，Neely A（2018）深度学习的高质量预测区间：一种无分布、集成的方法。参加：机器学习国际会议。PMLR，pp 4075\u20134084“}，{“key”：“10178_CR69”，“首页”：“2825”，“卷”：“12”，“作者”：“F Pedregosa”，“年份”：“2011年”，“非结构化”：“佩德雷戈萨F，瓦罗考G，格拉姆福特A，米歇尔·V，蒂里昂B，格里塞尔O，布隆德尔M，普雷滕霍弗P，韦斯R，杜堡V，范德普拉斯J，帕索斯A，库纳波D，布鲁彻M，佩罗特M，杜切斯纳伊E（2011）Scikit学习：python中的机器学习。J Mach Learn Res 12:2825\u20132830“，“journal-title”：“J Mach Learn Res”}，{“key”：“10178_CR70”，“doi-asserted-by”：“crossref”，“unstructured”：“Rafiei MH，Adeli H（2016）房地产单元销售价格估算的新型机器学习模型。J Construct Eng Manag 142（2）”，“doi”：“10.1061”\/（ASCE）CO.1943-7862.001047”}、{“issue”：“3”，“key“10178_CR71“，”doi-asserted-by“：”publisher“，”first page“：”660“，”doi“：”10.1016\/S0377-2217（01）00264-8“，“volume”：“141”，“author”：“M Redmond”，“year”：“2002”，“unstructured”：“Redmond M，Baveja A（2002）用于实现警察部门之间合作信息共享的数据驱动软件工具。Eur J Oper Res 141（3）：660\u2013678“，”journal-title“：”Eur J Oper Res“}，{“key”：“10178_CR72”，“doi-asserted-by”：“publisher”，“first page”：”659“，”doi“：”10.1007\/978-0-387-73003-5_196“，”volume“：”741“，”author“：”DA Reynolds“，”year“2009”，“unstructured”：“ReynoldsDA（2009）Gaussian mixed models.Encyclose Biometr 741:659\u2013pedia 663“，”新闻标题“：”Encyclopedia Biometr“}，{“key”：“10178_CR73”，“unstructured”：“Romano Y，Patterson E，Candes E（2019）Conformalized quantile regressions.In：Advances In Neural Information Processing Systems，pp 3543\u20133553”}，“{”key“：“10178 _CR74”，“非结构化”：“Saunders C，Gammerman A，Vovk V（1999）Transduction with confidence and creability，pp 722\u2013726”}、{“key“：”10178_CR75“，”doi-asserted-by“：”crossref“，”unstructured“：”Schweder T，Hjort NL（2016）信心，可能性，概率，第41卷。剑桥大学出版社“，”DOI“：”10.1017\/CBO9781139046671“}，{“key”：“10178_CR76”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sesia M，Cand\u00e8s EJ（2020）一些保角分位数回归方法的比较。Stat 9（1内政部“：”10.1016\/j.jspi.2017.09.012“，“volume”：“195”，“author”：“j Shen”，“year”：“2018”，“unstructured”：“Shen j，Liu RY，Xie MG（2018）充满信心的预测：预测推理的一般框架。J Statist Plann Inference 195:126\u2013140“，“journal-title”：“J Statist-Plann Infraence”}，{“key”：“10178_CR78”，“unstructured”：“Singh K，Sandhu RK，Kumar D（2015）使用神经网络和决策树进行评论量预测”}、{“key”：Singh SP、Kumar A、Darbari H、Singh L、Rastogi A、Jain S（2017）《使用深度学习的机器翻译：概述》。IEEE，第162\u2013167页“，“DOI”：“10.1109\/COMPTELIX.2017.8003957”}，{“key”：“10178_CR80”，“unstructured”：“Sollich P，Krogh A（1995）Learning with ensembles:How over-fitting can be used，vol NIPS\u201995。麻省理工学院出版社，马萨诸塞州剑桥，第190\u2013196页“}，{“key”：“10178_CR81”，“unstructured”：“Song H，Diethe T，Kull M，Flach P（2019）。收录：Chaudhuri K，Salakhutdinov R（eds）回归分布校准，第97卷。PMLR，加利福尼亚长滩，pp 5897\u20135906“}，{“问题”：“56”，“关键”：“10178_CR82”，“首页”：“1929”，“卷”：“15”，“作者”：“N Srivastava”，“年份”：“2014”，“非结构化”：“Srivatava N，Hinton G，Krizhevsky A，Sutskever I，Salakhutdinov R（2014）辍学：防止神经网络过度拟合的简单方法。J Mach Learn Res 15（56）：1929\u20131958”，“journal-title”：“J Mach Learn Res”}，{“key”：“10178_CR83”，“unstructured”：“Teye M，Azizpour H，Smith K（2018）批量规范化深度网络的贝叶斯不确定性估计。In:国际机器学习会议。PMLR，pp.4907\u20134916”}分位数正则化：朝向回归模型的隐式校准。arXiv预印本arXiv:2002.12860“}，{“key”：“10178_CR85”，“unstructured”：“Van\u00a0Amersfoort J，Smith L，Teh YW，Gal Y（2020）使用单一深度确定性神经网络进行不确定性估计。In:国际机器学习会议。PMLR，pp.9690\u20139700”}归纳共形预测因子的条件有效性。参见：Hoi SCH，Buntine W（eds）《亚洲机器学习会议论文集》，《机器学习研究论文集》第\u00a025卷。PMLR，新加坡管理大学，第475\u2013490页“}，{“问题”：“1”，“关键”：“10178_CR87”，“doi-asserted-by”：“publisher”，“首页”：“9”，“doi”：“10.1007\/s10472-013-9368-4”，“卷”：“74”，“作者”：“V Vovk”，“年份”：“2015”，“非结构化”：“Vovk V（2015）交叉符合预测。Ann Math Artif Intell 74（1）：9\u201328”，日志标题“：”Ann Math Artif Intell“}，{“key”：“10178_CR88”，“unstructured”：“Vovk V，Gammerman A，Saunders C（1999）算法随机性的机器学习应用，卷ICML\u201999。Morgan Kaufmann Publishers Inc.，San Francisco，CA，pp 444\u2013453“}，{“key”：“10178_CR89”，“unstructured”：“Vovk V，Gammerman A，Shafer G（2005）《随机世界中的算法学习》。Springer Science&Business Media（Springer科学与商业媒体）}，}“key:”10178_CR 90“，“unsructured（非结构化）：”Vovk V，Shen J，Manokhin V，Xie Mg（2017）基于保角预测的非参数预测分布。内容：保角和概率预测及应用。PMLR，第82\u2013102页“}，{“问题”：“1”，“关键”：“10178_CR91”，“首页”：“1625”，“卷”：“15”，“作者”：“S Wager”，“年份”：“2014”，“非结构化”：“Wager S，Hastie T，Efron B（2014）随机森林的置信区间：折刀和无穷小折刀。J Mach Learn Res 15（1）：1625\u20131651”，《新闻标题》：“J Mach Learn Res”}，}“关键”：“10178_CR92“，“非结构化”：”Williams C，Rasmussen C（1996）回归的高斯过程。In:Advances In Neural Information Processing Systems，pp 514\u2013520“}，{“key”：“10178_CR93”，“unstructured”：“Wilson A，Nickisch H（2015）可扩展结构化高斯过程的核内插（KISS-GP）。In:International Conference on Machine Learning。PMLR，pp 1775\u20131784”}，}“issue”：“12”，“key“10178-CR94”，“doi-asserted-by”：“publisher，“首页”：“1797”，“DOI”：“10.1016\/S0008-8846（98）00165-3”，“卷”：“28”，“作者”：“IC Yeh”，“年份”：“1998”，“非结构化”：“Yeh IC（1998）高性能混凝土强度的人工神经网络建模。水泥混凝土研究28（12）：1797\u20131808。https:\/\/doi.org\/10.1016\/S0008-8846（98）00165-3“，”journal-title“：”Cem Concr Res“}，{”issue“：”4“，”key“：”10178_CR95“，”doi-asserted-by“：”publisher“，”first-page:“392”，”doi“：”10.1080\/00031305.201585288“，”volume“：“74”，”author“：”H Zhang“，”year“：”2020“，”unstructured“：”Zhang H，Zimmerman J、Nettleton D、Nordman DJ（2020年）随机森林预测间隔。Am Stat 74（4）:392\u2013406“，”期刊标题“：”Am Stat“}]，”容器标题“：[”人工智能评论“]，”原始标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https:\/\/link.springer.com\/content/pdf\/10.1007\/s10462-022-10178-5-pdf“，”内容类型“：”应用程序\/pdf“，”内容版本“：”vor“，”预期应用程序“：”文本挖掘“}，｛”URL“：”https:\/\/link.springer.com/article\/10.1007\/s10462-022-10178-5\/fulltext.html“，”content-type“：”text\/html“，”内容-版本“：”vor“，”intended-application“：”文本-分钟“}，{”URL“：”https:\//link.springer\com/content\/pdf\/10.10007\/s10462-022-0178-5.pdf“，”content-type”：“application\/pdf”，“content-version”：“vor”，“intended-d-applications”“：”相似性检查“}”，“存放”：{“日期-部分”：[[2024,9,22]]，“日期-时间”：“2024-09-22T11:39:54Z”，“时间戳”：1727005194000}，“分数”：1，“资源”：{-“主要”：{:“URL”：“https:\/\/link.springer.com\/10.10007\/s10462-022-10178-5”}，，“references-count”：95，“journal-issue”：{“issue”：“1”，“published-print“：{“date-parts”：[[2023,1]]}}，“alternative-id”：[“10178”]，“URL”：“http://\/dx.doi.org\/10.1007\/s10462-022-10178-5”，“relationship”：{}，”ISSN“：[“0269-2821”，“1573-7462”]，”ISSN-type“：[{”type“:”print“，”value“：”0269-282“}，{”类型“：”electronic“，”值“：”1576 3-7462“}]，”主题“：[]，”发布“：{”日期部分“：[2022,4,18]]}，”断言“：[{”值“：”2022年4月18日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“Article History”，“label”：“Article Hi历”}}，{“order”：1，“name”:“Ethics”，“groups”：{name“：“EthicsHeading”，“标签”：“Declarations”}，“value”：“作者声明他们没有利益冲突。”ing“，”标签“：”利益冲突“}}]}}