• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Центр глубинного обучения и байесовских методов

Публикации
Статья
Tree-Serial Parametric Dynamic Programming With Flexible Prior Model For Image Denoising
В печати

Pham Cong T., Копылов А.

Computer Optics. 2018. P. 1-8.

Глава в книге
Bayesian Compression for Natural Language Processing

Chirkova N., Lobacheva E., Vetrov D.

In bk.: Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics, 2018.

Препринт
Monotonic models for real-time dynamic malware detection

Chistyakov A., Lobacheva E., Shevelev A. et al.

Workshop of the 6th International Conference on Learning Representations (ICLR). 1. International Conference on Learning Representations, 2018

Иллюстрация к новости: Второй запуск летней школы DeepBayes: еще больше байесовских методов в глубинном обучении

Второй запуск летней школы DeepBayes: еще больше байесовских методов в глубинном обучении

В Москве второй раз прошла Летняя школа по байесовским методам в глубинном обучении, в этот раз англоязычная и собравшая участников из 24 стран. В течение 6 дней участники изучали и реализовывали нейробайесовские модели, попутно обмениваясь опытом и исследовательскими идеями.

Высшая школа экономики открывает совместную с Samsung Research лабораторию

Samsung-HSE Laboratory будет разрабатывать механизмы байесовского вывода в современных нейронных сетях, что позволит решить ряд проблем в глубинном обучении. Команду лаборатории составят сотрудники исследовательской группы байесовских методов факультета компьютерных наук НИУ ВШЭ — одной из сильнейших научных групп России в области машинного обучения и байесовского вывода. Возглавит ее профессор ВШЭ Дмитрий Ветров.