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

Центр глубинного обучения и байесовских методов

Публикации
Статья
Randomized Block Cubic Newton Method
В печати

Doikov Nikita, Richtarik P.

Proceedings of Machine Learning Research. 2018. No. 80. P. 1290-1298.

Глава в книге
Quantifying Learning Guarantees for Convex but Inconsistent Surrogates
В печати

Struminsky K., Lacoste-Julien S., Osokin A.

In bk.: Advances in Neural Information Processing Systems 31 (NIPS 2018). 2018.

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

Izmailov P., Novikov A., Kroptov D.

math. arxive. Cornell University, 2017

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.