Zobrazeno 1 - 10
of 10
pro vyhledávání: '"PAC-Bayes theory"'
Publikováno v:
Jisuanji kexue, Vol 49, Iss 11, Pp 126-133 (2022)
Semantic segmentation of urban scenes aims to identify and segment persons,obstacles,roads,signs and other elements from the image,and provide information of free space on the road for vehicles.It is one of the key technologies of automatic dri-ving.
Externí odkaz:
https://doaj.org/article/2000ae50665a4e4a8655115f962b6563
Autor:
Benjamin Guedj, Louis Pujol
Publikováno v:
Entropy, Vol 23, Iss 11, p 1529 (2021)
“No free lunch” results state the impossibility of obtaining meaningful bounds on the error of a learning algorithm without prior assumptions and modelling, which is more or less realistic for a given problem. Some models are “expensive” (str
Externí odkaz:
https://doaj.org/article/60e63bead773480ead8e98baa4144956
Autor:
Felix Biggs, Benjamin Guedj
Publikováno v:
Entropy, Vol 23, Iss 10, p 1280 (2021)
We make two related contributions motivated by the challenge of training stochastic neural networks, particularly in a PAC–Bayesian setting: (1) we show how averaging over an ensemble of stochastic neural networks enables a new class of partially-a
Externí odkaz:
https://doaj.org/article/b4aab84fd1d340efaf0b0095a2825b7a
We establish new generalisation bounds for multiclass classification by abstracting to a more general setting of discretised error types. Extending the PAC-Bayes theory, we are hence able to provide fine-grained bounds on performance for multiclass c
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::d1274d5105b86bb51f8a82426238bcd1
Autor:
Louis Pujol, Benjamin Guedj
Publikováno v:
Entropy
Volume 23
Issue 11
Entropy, MDPI, 2021, ⟨10.3390/e23111529⟩
Entropy, Vol 23, Iss 1529, p 1529 (2021)
Entropy, 2021, ⟨10.3390/e23111529⟩
Volume 23
Issue 11
Entropy, MDPI, 2021, ⟨10.3390/e23111529⟩
Entropy, Vol 23, Iss 1529, p 1529 (2021)
Entropy, 2021, ⟨10.3390/e23111529⟩
“No free lunch” results state the impossibility of obtaining meaningful bounds on the error of a learning algorithm without prior assumptions and modelling, which is more or less realistic for a given problem. Some models are “expensive” (str
Many practical machine learning tasks can be framed as Structured prediction problems, where several output variables are predicted and considered interdependent. Recent theoretical advances in structured prediction have focused on obtaining fast rat
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::53e20619a7969b5fd5fb2bc2a00a9f04
https://inria.hal.science/hal-03046401
https://inria.hal.science/hal-03046401
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Kniha
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.