CRIS Current Research Information System

Clissa, L., Plini, L., Bonacorsi, D., Vivarelli, I. (2026). Conformal Prediction for Reliable Uncertainty Quantification in Scientific AI Models: A HiggsML Signal-Strength Case Study [10.22323/1.523.0024].

Conformal Prediction for Reliable Uncertainty Quantification in Scientific AI Models: A HiggsML Signal-Strength Case Study

Clissa, Luca
Primo
;Bonacorsi, Daniele;Vivarelli, Iacopo
2026
2026
Proceedings of International Symposium on Grids & Clouds (ISGC2026)
024
035
Clissa, L., Plini, L., Bonacorsi, D., Vivarelli, I. (2026). Conformal Prediction for Reliable Uncertainty Quantification in Scientific AI Models: A HiggsML Signal-Strength Case Study [10.22323/1.523.0024].
Clissa, Luca; Plini, Leonardo; Bonacorsi, Daniele; Vivarelli, Iacopo
File in questo prodotto:
Eventuali allegati, non sono esposti

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/1093251
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
  • OpenAlex ND
social impact