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

Центр глубинного обучения и байесовских методов

Публикации
Книга
User-controllable Multi-texture Synthesis with Generative Adversarial Networks

Kochurov M., Volkhonskiy D., Yashkov D. et al.

Vol. 4. Proceedings of the 15th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, 2020.

Статья
Pitfalls of In-Domain Uncertainty Estimation and Ensembling in Deep Learning
В печати

Ashukha A., Lyzhov A., Molchanov D. et al.

The Eighth International Conference on Learning Representations (Virtual Only). 2020. P. 1-9.

Глава в книге
User-controllable Multi-texture Synthesis with Generative Adversarial Networks

Alanov A., Kochurov M., Volkhonskiy D. et al.

In bk.: Proceedings of the 15th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISAPP 2020). 2020. P. 214-221.

Препринт
Low-variance Gradient Estimates for the Plackett-Luce Distribution

Gadetsky A., Struminsky K., Robinson C. et al.

Bayesian Deep Learning NeurIPS 2019 Workshop. 2019. Bayesian Deep Learning NeurIPS 2019 Workshop, 2019

О Центре

Центр ведет исследования на стыке двух активно развивающихcя сегодня областей анализа данных: глубинного обучения и байесовских методов машинного обучения. Глубинное обучение - это раздел, подразумевающий построение очень сложных моделей (нейронных сетей) для решения таких задач, как классификация изображений или музыки, перенос художественного стиля с картины на фотографию, предсказание следующих слов в тексте. В рамках байесовского подхода для решения подобных задач рассматриваются вероятностные модели, опирающиеся на аппарат теории вероятностей и математической статистики. 

Центр создан на основе исследовательской группы байесовских методов машинного обучения Д.П. Ветрова