Subspace Inference for Bayesian Deep Learning

D. Vetrov; Izmailov P.; Maddox W.; Kirichenko P.; Garipov T.; Gordon Wilson A.

Публикации

?

Subspace Inference for Bayesian Deep Learning

P. 1–11.

Ветров Д. П., Izmailov P., Maddox W., Kirichenko P., Garipov T., Gordon Wilson A.

Язык: английский

Текст на другом сайте

Ключевые слова: bayesian network Variational inference Bayesian learning gradient methods

В книге

Proceedings of the 35th Uncertainty in Artificial Intelligence Conference (UAI-2019)

[б.и.], 2019.

Solving Smooth Min-Min and Min-Max Problems by Mixed Oracle Algorithms

Гладин Е. Л., Sadiev A., Гасников А. В. и др., , in: Mathematical Optimization Theory and Operations Research: 20th International Conference, MOTOR 2021, Irkutsk, Russia, July 5–10, 2021, Proceedings.: Cham: Springer, 2021. P. 19–40.

Добавлено: 29 ноября 2024 г.

Counterfactual explanations based on synthetic data generation

Yuri A. Zelenkov, Elizaveta V. Lashkevich, Business Informatics 2024 Vol. 18 No. 3 P. 24–40

Добавлено: 13 октября 2024 г.

Classification Using Marginalized Maximum Likelihood Estimation and Black-Box Variational Inference

Шалилех С., , in: Data Analysis and Optimization. In Honor of Boris Mirkin's 80th Birthday.: Springer, 2023. P. 349–361.

Добавлено: 17 октября 2023 г.

MARS: Masked Automatic Ranks Selection in Tensor Decompositions

Кодрян М. С., Кропотов Д. А., Ветров Д. П., , in: Proceedings of The 26th International Conference on Artificial Intelligence and Statistics (AISTATS 2023), Volume 206Vol. 206.: Valencia: PMLR, 2023. P. 3718–3732.

Добавлено: 9 июня 2023 г.

Community Embeddings with Bayesian Gaussian Mixture Model and Variational Inference

Anton I.N. Begehr, Peter B. Panfilov, , in: 2022 IEEE 24th Conference on Business Informatics (CBI)Vol. 2: CBI Forum and Workshop Papers.: IEEE, 2022. P. 88–96.

Добавлено: 6 декабря 2022 г.

Knowledge Generation in Raw Material Industries

Крюков В. А., Milyaev D. V., Dushenin D. I. и др., Studies on Russian Economic Development 2022 Vol. 33 No. 3 P. 257–266

Добавлено: 29 октября 2022 г.

Analysing the firm failure process using Bayesian networks

Зеленков Ю. А., Business Informatics 2022 Vol. 16 No. 1 P. 22–41

Добавлено: 18 апреля 2022 г.

Model Criticism of Bayesian Networks in Educational Assessment: A Systematic Review

Угланова И. Л., Practical Assessment, Research and Evaluation 2021 Vol. 26 Article 22

Добавлено: 15 ноября 2021 г.

Finding equilibria in the traffic assignment problem with primal-dual gradient methods for stable dynamics model and beckmann model

Kubentayeva M., Гасников А. В., Mathematics 2021 Vol. 9 No. 11 Article 1217

Добавлено: 29 октября 2021 г.

MARS: Masked Automatic Ranks Selection in Tensor Decompositions

Кодрян М. С., Кропотов Д. А., Ветров Д. П., / Series QTNML 2020 "First Workshop on Quantum Tensor Networks in Machine Learning, NeurIPS 2020". 2020.

Добавлено: 5 февраля 2021 г.

Importance Weighted Hierarchical Variational Inference

Соболев А. А., Ветров Д. П., , in: Advances in Neural Information Processing Systems 32 (NeurIPS 2019).: [б.и.], 2019. P. 1–13.

Добавлено: 13 марта 2020 г.

Fast and modular regularized topic modelling 21st Conference of Open Innovations Association, FRUCT 2017; Helsinki; Finland; 6 November 2017 до 10 November 2017; Номер категорииCFP1767Z-ART; Код 134240

Воронцов К. В., Kochedykov D., Apishev M. и др., IEEE Computer Society, 2017.

Topic modelling is an area of text mining that has been actively developed in the last 15 years. A probabilistic topic model extracts a set of hidden topics from a collection of text documents. It defines each topic by a probability distribution over words and describes each document with a probability distribution over topics. In ...

Добавлено: 6 декабря 2019 г.

Advanced Planning of Home Appliances with Consumer’s Preference Learning

Bazenkov N., Goubko M., , in: Proceedings 16th Russian Conference on Artificial Intelligence (RCAI 2018)Issue 934.: Cham: Springer, 2018.

Добавлено: 2 декабря 2019 г.

Doubly Semi-Implicit Variational Inference

Молчанов Д. А., Харитонов В. Д., Sobolev A. и др., , in: Proceedings of Machine Learning Research, Volume 89: The 22nd International Conference on Artificial Intelligence and Statistics (AISTATS 2019).: PMLR, 2019. P. 2593–2602.

Добавлено: 20 ноября 2019 г.

Entropy Dimension Reduction Method for Randomized Machine Learning Problems

Попков Ю. С., Дубнов Ю. А., Popkov A. Y., Automation and Remote Control 2018 Vol. 79 No. 11 P. 2038–2051

Добавлено: 12 февраля 2019 г.

Scalable Gaussian Processes with Billions of Inducing Inputs via Tensor Train Decomposition

Izmailov P., Новиков А. В., Кропотов Д. А., , in: Proceedings of Machine Learning Research. Proceedings of The International Conference on Artificial Intelligence and Statistics (AISTATS 2018).: [б.и.], 2018. P. 726–735.

Добавлено: 10 декабря 2018 г.

Faster variational inducing input Gaussian process classification

Izmailov P., Кропотов Д. А., Journal of machine learning and data analysis 2017 Vol. 3 No. 1 P. 20–35

Предлагается новый подход к настройке моделей гауссовских процессов для задач классификации. Стандартные методы для данной задачи имеют сложность O(n 3 ), где n — размер обучающей выборки. Данное обстоятельство не позволяет применять эти методы к задачам с большим объемом данных. В связи с этим в литературе был предложен ряд подходов, основанных на использовании так называемых ...

Добавлено: 6 декабря 2018 г.

Bayesian Learning of Consumer Preferences for Residential Demand Response

Губко М. В., Кузнецов С. О., Незнанов А. А. и др., IFAC-PapersOnLine 2016 Vol. 49 No. 32 P. 24–29

Статья посвящена моделированию поведения пользователя хлебопечки как устройства умного дома. На основании реальных цен на электричество и симуляции поведения пользователя требуется предложить математическую модель и алгоритм машинного обучения для оптимального по соотношению цен и полезности для пользователя автоматического запуска устройства. Мы предлагаем Баейсовский алгоритм машинного обучения для обучения предпочтениям пользователя с учетом предудыщих запусков. В ...

Добавлено: 24 января 2017 г.

Robust Variational Inference

Фигурнов М. В., Струминский К. А., Ветров Д. П., / Series arXiv:1611.09226 "arxiv.org". 2016.

Добавлено: 30 ноября 2016 г.

Universal gradient methods for convex optimization problems

Нестеров Ю. Е., Mathematical Programming 2014

Добавлено: 28 января 2016 г.

Repeated games of incomplete information with large sets of states

Сандомирский Ф. А., International Journal of Game Theory 2014 Vol. 43 No. 4 P. 767–789

Добавлено: 23 октября 2015 г.