Zobrazeno 1 - 10
of 191
pro vyhledávání: '"R, Ferenc"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In gradient descent, changing how we parametrize the model can lead to drastically different optimization trajectories, giving rise to a surprising range of meaningful inductive biases: identifying sparse classifiers or reconstructing low-rank matric
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6853a2d1e57b1ef3b13d66b392800ab5
http://arxiv.org/abs/2111.11542
http://arxiv.org/abs/2111.11542
Background: For COVID-19 lung severity, segmentation of lungs on computed tomography (CT) is the first crucial step. Current deep learning (DL)-based Artificial Intelligence (AI) models have a bias in the training stage of segmentation because only o
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______2127::c9a7e3b5f3c634575a63f3fc352bb725
https://pergamos.lib.uoa.gr/uoa/dl/object/uoadl:3032363
https://pergamos.lib.uoa.gr/uoa/dl/object/uoadl:3032363
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.
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.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Korshunova, Iryna, Degrave, Jonas, Husz��r, Ferenc, Gal, Yarin, Gretton, Arthur, Dambre, Joni
Publikováno v:
ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS 31 (NIPS 2018)
We present a novel model architecture which leverages deep learning tools to perform exact Bayesian inference on sets of high dimensional, complex observations. Our model is provably exchangeable, meaning that the joint distribution over observations
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::0b374ff2de6ff691c1abe37685882353
http://arxiv.org/abs/1802.07535
http://arxiv.org/abs/1802.07535
Predicting human fixations from images has recently seen large improvements by leveraging deep representations which were pretrained for object recognition. However, as we show in this paper, these networks are highly overparameterized for the task o
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::d2f41a4b98950ceb27b056b6885dc53b
http://arxiv.org/abs/1801.05787
http://arxiv.org/abs/1801.05787