无障碍
我们的研究推动了机器如何学习、预测或控制,以及如何以高效、原则性和可解释的方式大规模地进行学习、预测和控制。我们对机器学习的研究从基础理论扩展到现代应用,特别关注位于复杂学习问题核心的统计推断和估计任务。我们设计新的方法、理论和算法,以便自动使用和生成半结构化数据,如自然语言文本、图像、分子或策略。我们应用和开发我们的算法来解决多方面的推荐、检索或推理任务(如生物医学),为药物设计目的设计和优化分子或反应,并对战略博弈论相互作用进行建模。
朱莉娅·巴拉(c) ,MinGyu Choi先生(c) ,加布里埃尔·科尔索(c) ,Cameron Diao(c),Ezra Erives,Felix Faltings(c),彼得·霍尔德利思(c) ,鲍文静(Bowen Jing)(c) 、Jeet Mohapatra、Amit Schechter、,汉内斯·斯塔克(c) 、上元童、,王晨雨,莫里斯·韦勒*,吴妍女士(c) ,詹森·伊姆(c) ,蔡舟(c)
(*=博士后,c=联合建议,v=访问)
最近的博士毕业生:祥福(现为Meta FAIR),帖木儿·加里波夫(现在是开放人工智能),徐益伦(现为NVIDIA)
B.京、B.Berger和T.贾科拉.
Alphafold满足生成蛋白质集合的流匹配。
在国际机器学习会议, 2024.
[链接]
A.坎贝尔,J.Yim先生,R.巴兹雷、T.Rainforth和T.贾科拉.
离散状态空间上的生成流:实现多模式流,并应用于蛋白质协同设计。
在国际机器学习会议, 2024.
[链接]
Y.Xu先生,G.科尔索,T.贾科拉A.Vahdat和K.Kreis。
Disco-diff:用离散潜伏期增强连续扩散模型。
在国际机器学习会议, 2024.
H.Stärk公司,B.京,R.巴兹雷、和T.贾科拉.
用于联合多配体对接和结合位点设计的谐波自调节流量匹配。
在国际机器学习会议, 2024.
H.Stärk公司,B.京,C.王,G.科索、B.Berger、,R.巴兹雷、和T.贾科拉.
Dirichlet流匹配在dna序列设计中的应用。
在国际机器学习会议, 2024.
[链接]
J.Yim先生,H.Stärk公司,G.科尔索,B.京,R.巴兹雷、和T.贾克科拉.
蛋白质结构和对接中的扩散模型。
WIRE计算分子科学,14(2):e17112024。
[链接]
刘彦,Y.Zhang先生,T.贾科拉、和S.Chang公司.
通过重采样纠正扩散生成。
在计算机视觉与模式识别(CVPR), 2024.
[链接]
十、傅,谢霆锋(T.Xie),A.S.Rosen,T.贾科拉和J.A.Smith。
Mofdiff:用于金属-有机框架设计的粗粒度扩散。
在第十二届国际学习代表大会, 2024.
[链接]
G.科尔索,Y.Xu先生、V.De Bortoli、,R.巴兹雷、和T.贾科拉.
粒子引导:采用扩散模型进行非身份验证的不同采样。
在第十二届国际学习代表大会, 2024.
[链接]
G.科尔索A.Deng、N.Polizzi、,R.巴兹雷、和T.贾克科拉.
绑定模式的发现需要重新思考对接泛化。
在第十二届国际学习代表大会, 2024.
C.王S.Gupta、C.Uhler和T.贾科拉.
通过信息最大化消除分子表征中的偏差。
在第十二届国际学习代表大会, 2024.
[链接]
B.京,T.贾科拉和B.Berger。
通过快速傅里叶变换学习分子对接的标量场。
在第十二届国际学习代表大会, 2024.
[链接]
A.Kirjner,J.Yim先生、R.Samusevich、S.Bracha、,T.贾科拉,R.Barzilay先生和I.R.Fiete。
通过平滑的健身环境改善蛋白质优化。
在第十二届国际学习代表大会, 2024.
[链接]
V.Quach、A.Fisch、T.Schuster、A.Yala、J.H.Sohn、,T.贾科拉、和R.巴兹雷.
共形语言建模。
在第十二届国际学习代表大会, 2024.
B.A.Koscher、R.B.Canty、M.A.McDonald、K.P.Greenman、C.J.McGill、C.L.Bilodeau、,W.Jin(魏晋)、H.Wu、F.H.Vermeire、B.Jin、T.Hart、T.Kulesza、S-C.Li、,T.S.贾科拉,R.巴兹雷R.Gomez-Bombarelli、W.H.Green和K.F.Jensen。
自主的、多属性驱动的分子发现:从预测到测量再回来。
科学类, 382, 2023.
[链接]
T.加里波夫、S.De Peuter、,G.杨,V.加格、S.Kaski和T.贾科拉.
迭代生成过程的合成雕刻。
在神经信息处理系统(NeurIPS), 2023.
[链接]
Y.Xu先生邓先生、程晓霞先生、田彦先生、,Z.刘、和T.贾科拉.
重新启动采样以改进生成过程。
在神经信息处理系统(NeurIPS), 2023.
[链接]
A.阿杰、S.Han、,杜勇(Y.Du)、S.Li、A.Gupta、,T.贾科拉J.Tenenbaum、L.Pack Kaelbling、A.Srivastava和P.阿格拉瓦尔.
具有基础模型的分层规划。
在神经信息处理系统(NeurIPS), 2023.
[链接]
十、傅,谢霆锋(T.Xie),N.J.Rebelo、B.Olsen和T.贾科拉.
用多尺度图形网络模拟时间集成的粗粒度分子动力学。
机器学习研究汇刊(TMLR), 2023.
[链接]
J.L.Watson、D.Juergens、N.R.Bennett、B.L.Trippe、,J.Yim先生H.E.Eisenach、W.Ahern、A.J.Borst、R.J.Ragotte、L.F.Milles、B.I.M.Wicky、N.Hanikel、S.J.Pellock、A.Courbet、W.Shefler、J.Wang、P.Venkatesh、I.Sappington、S.Vazquez Torres、A.Lauko、V.De Bortoli、E.Mathieu、S.Ovchinnikov、,R.巴兹雷,T.S.贾科拉F.DiMaio、M.Baek和D.Baker。
利用rfdiffusion从头设计蛋白质结构和功能。
自然, 620:1089–1100, 2023.
[链接]
G.Liu、D.Catacutan、K.Rathod、K.Swanson、,W.Jin(魏晋)、J.Mohammed、A.Chiappino-Pepe、S.Syed、M.Fragis、K.Rachwalski、J.Magolan、M.Surette、B.Coombes、,T.贾科拉,R.巴兹雷、J.J.Collins和J.M.Stokes。
深度学习指导下发现一种以鲍曼不动杆菌为靶点的抗生素。
自然化学生物学, 2023.
[链接] [pdf格式]
Y.Xu先生,Z.刘、Y.Tian、S.Tong、M.Tegmark和T.贾科拉.
Pfgm++:释放物理激发的生成模型的潜力。
在国际机器学习会议, 2023.
[链接]
J.Yim先生、B.Trippe、V.De Bortoli、E.Mathieu、A.Doucet、,R.巴兹雷、和T.贾科拉.
Se(3)扩散模型及其在蛋白质骨架生成中的应用。
在国际机器学习会议, 2023.
[链接]
G.Zhang、J.Ji、,Y.Zhang先生,余先生,T.贾克科拉、和S.Chang公司.
使用去噪扩散隐式模型实现相干图像修复。
在国际机器学习会议, 2023.
[链接]
十、傅、吴宗宪、王伟、,谢霆锋(T.Xie)S.Keten、R.Gomez-Bombarelli和T.贾科拉.
力是不够的:使用分子模拟对机器学习力场进行基准和关键评估。
机器学习研究汇刊(TMLR), 2023.
[链接]
M.Amine Ketata、C.Laue、R.Mammadov、,H.Stärk公司、吴先生、,G.科尔索、C.Marquet、,R.巴兹雷、和T.贾科拉.
Diffdock-pp:刚性蛋白质与扩散模型对接。
在药物发现的机器学习(ICLR研讨会), 2023.
[链接]
B.京、E.Erives、P.Pao-Huang、,G.科尔索、B.Berger和T.贾科拉.
特征值:用扩散模型预测生殖蛋白质结构。
在药物发现车间的机器学习(ICLR车间), 2023.
[链接]
B.跳闸,J.Yim先生、D.Tischer、D.Baker、T.Broderick、,R.巴兹雷、和T.贾科拉.
模体折叠问题的蛋白质主干三维扩散概率建模。
在第十一届国际学习代表大会, 2023.
[链接]
G.科尔索、H.St\ärk、,B.京,R.Barzilay先生、和T.贾科拉.
Diffdock:分子对接的扩散步骤、扭曲和转弯。
在第十一届国际学习代表大会, 2023.
[链接]
Y.Xu先生、S.Tong和T.贾科拉.
用于减少方差得分估计的稳定目标字段。
在第十一届国际学习代表大会, 2023.
[链接]
A.阿杰,杜勇(Y.Du)、A.Gupta、J.Tenenbaum、,T.贾科拉、和P.阿格拉瓦尔.
条件生成建模是决策所需的全部吗?
在第十一届国际学习代表大会, 2023.
[链接]
B.Laufer-Goldshtein、A.Fisch、,R.Barzilay先生、和T.贾科拉.
通过帕累托检验有效控制多重风险。
在第十一届国际学习代表大会, 2023.
[链接]
H.Zhao、C.Dan、B.Aragam、,T.贾科拉G.Gordon和P.Ravikumar。
不变表示学习中的基本限制和权衡。
机器学习研究杂志, 23(340):1--49, 2022.
[链接]
A.菲什,T.贾科拉、和R.巴兹雷.
校准的选择性分类。
机器学习研究汇刊, 2022.
[链接]
B.京,G.科尔索、J.Chang、,R.巴兹雷、和T.贾科拉.
分子构象生成的扭转扩散。
在神经信息处理系统(NeurIPS), 2022.
[链接]
Y.Xu先生,Z.刘、M.Tegmark和T.贾科拉.
泊松流生成模型。
在神经信息处理系统, 2022.
[链接]
F.Wong、A.Krishnan、E.Zheng、H.St\ärk、A.Manson、A.Earl、,T.贾科拉和J.Collins。
对分子系统生物学中抗生素发现的阿尔法折叠启用的分子对接预测进行基准测试。
分子系统生物学, 18(9), 2022.
[链接]
B.京,G.科尔索R.Berlinghieri和T.贾科拉.
子空间扩散生成模型。
在欧洲计算机视觉会议, 2022.
[链接]
H.St\ärk,O.加内亚、L.Pattanaik、,R.Barzilay先生、和T.贾科拉.
Equibind:药物结合结构预测的几何深度学习。
在国际机器学习会议, 2022.
[链接]
W.Jin(魏晋),R.巴兹雷、和T.贾科拉.
通过层次结构细化进行抗体-抗原界面设计。
在国际机器学习会议, 2022.
[链接]
A.Fisch、T.Schuster、,T.贾科拉、和R.巴兹雷.
有限误报的保角预测集。
在国际机器学习会议, 2022.
[链接]
C.比洛多,W.Jin(魏晋),T.贾科拉,R.巴兹雷、和K.F.延森.
分子发现的生成模型:最新进展和挑战。
WIRE计算分子科学, 2022.
[链接]
谢霆锋(T.Xie),十、傅,O.加内亚,R.巴兹雷、和T.贾科拉.
用于周期性材料生成的晶体扩散变分自动编码器。
在第十届国际学习代表大会, 2022.
[pdf格式]
W.Jin(魏晋)、J.Wohlwend、,R.巴兹雷、和T.贾科拉.
抗体序列-结构协同设计的迭代求精图神经网络。
在第十届国际学习代表大会, 2022.
[pdf格式]
Y.Xu先生、H.He、,素花党参、和T.贾科拉.
控制与分类器正交的方向。
在第十届国际学习代表大会, 2022.
[pdf格式]
S.Tong、,T.加里波夫,Y.Zhang先生,S.Chang公司、和T.贾科拉.
对抗性支持结盟。
在第十届国际学习代表大会, 2022.
[pdf格式]
O.加内亚、X.Huang、C.Bunne、Y.Bian、,R.巴兹雷,T.贾科拉和A.Krause。
端到端刚性蛋白质对接的独立se(3)-等变模型。
在第十届国际学习代表大会, 2022.
[pdf格式]
O.加内亚、L.Pattanaik、C.W.Coley、,R.巴兹雷、K.Jensen、W.Green和T.贾科拉.
Geomol:分子三维构象系综的扭转几何生成。
在神经信息处理系统(NeurIPS), 2021.
[链接]
余先生,Y.Zhang先生,S.Chang公司、和T.贾科拉.
理解合作合理化的连锁动力。
在神经信息处理系统(NeurIPS), 2021.
[链接]
W.Jin(魏晋)、J.Stokes、T.Eastman、Z.Itkin、A.V.Zakharov、J.J.Collins、,T.贾克科拉、和R.巴兹雷.
深度学习确定治疗covid-19的协同药物组合。
美国国家科学院院刊(PNAS), 118(39), 2021.
[链接]
T.Schuster、A.Fisch、,T.贾克科拉、和R.巴兹雷.
通过自信的自适应变压器进行一致的加速推理。
在自然语言处理中的经验方法(EMNLP), 2021.
[链接]
十、傅,G.杨,P.阿格拉瓦尔、和T.贾科拉.
学习任务包含抽象内容。
在国际机器学习会议, 2021.
[链接]
A.Fisch、T.Schuster、,T.贾科拉、和R.巴兹雷.
带有辅助任务的少量共形预测。
在国际机器学习会议, 2021.
[链接]
A.Liao、H.Zhao、K.Xu、,T.贾科拉、G.Gordon、,S.杰格尔卡和R.Salakhutdinov。
图神经网络的信息混淆。
在国际机器学习会议, 2021.
[链接]
K.Yang、S.Goldman、,W.Jin(魏晋)、A.Lu、,R.巴兹雷,T.贾科拉和C.Uhler。
改进了分子到图像合成的条件流模型。
在计算机视觉与模式识别(CVPR), 2021.
[链接]
A.Fisch、T.Schuster、,T.贾克科拉、和R.巴兹雷.
通过扩展接纳的级联推理实现有效的共形预测。
在第九届国际学习代表大会, 2021.
[链接]
W.Jin(魏晋),R.Barzilay先生、和T.贾科拉.
发现具有生物瓶颈模型的covid协同药物组合。
在NeurIPS分子车间机器学习, 2020.
[链接]
素花党参、V.Quach、,R.巴兹雷、和T.贾科拉.
空白语言模型。
在自然语言处理中的经验方法, 2020.
V.加格和T.贾科拉.
预测审议结果。
在国际机器学习会议, 2020.
[pdf格式]
S.Chang公司,Y.Zhang先生,余先生、和T.贾科拉.
不变的合理化。
在国际机器学习会议, 2020.
[链接]
素花党参,J.米勒,R.巴兹雷、和T.贾科拉.
教育文本自动编码器:通过去噪的潜在表示指导。
在国际机器学习会议, 2020.
[链接]
W.Jin(魏晋),R.巴兹雷、和T.贾科拉.
使用结构基序的分子图的层次生成。
在国际机器学习会议, 2020.
[pdf格式]
W.Jin(魏晋),R.巴兹雷、和T.贾科拉.
使用可解释子结构生成多目标分子。
在国际机器学习会议, 2020.
[pdf格式]
V.加格,S.杰格尔卡、和T.贾科拉.
图神经网络的泛化和表示极限。
在国际机器学习会议, 2020.
[pdf格式]
K.Yang,K.Swanson,W.Jin(魏晋),R.巴兹雷、和T.贾科拉.
通过随机迭代目标增强改进分子设计。
在国际机器学习会议, 2020.
[链接]
J.Stokes、K.Yang、K.Swanson、,W.Jin先生A.Cubillos-Ruiz、N.Donghia、C.MacNair、S.French、L.Carfrae、Z.Bloom-Ackerman、V.Tran、A.Chiappino-Pepe、A.Badran、I.Andrews、E.Chory、G.Church、E.Brown、,T.贾科拉,R.巴兹雷和J.Collins。
抗生素发现的深度学习方法。
单元格, 180(4), 2020.
[pdf格式]
D.阿尔瓦雷斯·梅利斯Y.Mroueh和T.贾克科拉.
双曲空间上带最优传输的无监督层次匹配。
在人工智能与统计, 2020.
[链接]
C-Y Hsu、A.Zeitoun、,G-H李,D.卡塔比、和T.贾科拉.
设备使用的自我监督学习。
在国际学习代表大会, 2020.
[pdf格式]
G-H李和T.贾科拉.
基于relu网络导数的斜决策树。
在国际学习代表大会, 2020.
[pdf格式]
S.Chang公司,Y.Zhang先生,余先生、和T.贾科拉.
班级选择性合理化的博弈论方法。
在神经信息处理系统(NeurIPS), 2019.
[pdf格式]
V.加格和T.贾科拉.
通过优化传输解决图形压缩。
在神经信息处理系统(NeurIPS), 2019.
[pdf格式]
G-H李、Y.Yuan、,S.Chang公司、和T.贾克科拉.
随机平滑分类器对抗鲁棒性的严格证书。
在神经信息处理系统(NeurIPS), 2019.
[pdf格式]
J.英格拉汉姆,V.加格,R.巴兹雷、和T.贾克科拉.
基于图形的蛋白质设计的生成模型。
在神经信息处理系统(NeurIPS), 2019.
[pdf格式]
G.龙虾,A.甘恩,T.贾科拉、和T.哈赞.
通过argmax直接优化离散变分自动编码器。
在神经信息处理系统(NeurIPS), 2019.
[pdf格式]
D.阿尔瓦雷斯·梅利斯Y.Mroueh和T.贾科拉.
双曲空间上带最优传输的无监督层次匹配。
在最佳运输和机器学习(NeurIPS OTML研讨会), 2019.
[链接]
余先生,S.Chang公司,Y.Zhang先生、和T.贾科拉.
重新思考合作合理化:反思性提取和补充控制。
在自然语言处理中的经验方法(EMNLP), 2019.
[pdf格式]
K.Yang、K.Swanson、,W.Jin(魏晋),C.科利、P.Eiden、H.Gao、A.Guzman-Perez、T.Hopper、B.Kelley、M.Miriam、A.Palmer、V.Settels、,T.贾科拉、K.Jensen和R.巴兹雷.
分析学习的分子表征以进行性能预测。
化学信息与建模杂志, 2019.
[链接]
B.陈,R.巴兹雷、和T.贾科拉.
路径增强图变换网络。
在使用图形结构表示进行学习和推理(ICML研讨会), 2019.
[链接]
G-H李,W.Jin先生,D.阿尔瓦雷斯·梅利斯、和T.贾科拉.
结构化数据的功能透明性:一种游戏理论方法。
在国际机器学习会议, 2019.
[链接]
T.哈赞、F.Orabona、A.Sarwate、,S.马吉、和T.贾科拉.
具有随机最大后验扰动的高维推理。
IEEE信息理论汇刊, 65(10), 2019.
[链接]
J.英格拉汉姆,V.加格,R.巴兹雷、和T.贾科拉.
基于图形的蛋白质设计的生成模型。
在高度结构化数据的深度生成模型(ICLR研讨会), 2019.
[pdf格式]
C.科利,W.Jin(魏晋)、L.Rogers、T.Jamison、,T.贾科拉、W.Green、,R.巴兹雷、和K.F.延森.
用于预测化学反应性的图形-卷积神经网络模型。
化学科学, 10(2):370--377, 2019.
[链接]
G-H李,D.阿尔瓦雷斯·梅利斯、和T.贾科拉.
走向稳健的局部线性深层网络。
在国际学习代表大会, 2019.
[pdf格式]
W.Jin(魏晋)、K.Yang、,R.巴兹雷、和T.贾科拉.
学习用于分子优化的多模式图到图转换。
在国际学习代表大会, 2019.
[链接]
P.马拉鲁和T.贾科拉.
基于对齐的匹配网络用于一次性分类和开放集识别。
在arXiv公司, 2019.
[链接]
D.阿尔瓦雷斯·梅利斯,S.杰格尔卡、和T.贾克科拉.
实现具有全局不变性的最优运输。
在人工智能与统计(AISTATS), 2019.
[pdf格式]
K.Narasimhan,R.巴兹雷、和T.贾科拉.
深度强化学习中迁移的基础语言。
人工智能研究杂志, 63:849--874, 2018.
[pdf格式]
王洪志、毛春志、何洪志,M.赵,D.卡塔比、和T.贾科拉.
双向推理网络及其在健康状况分析中的应用。
在AAAI人工智能会议(AAAI-19), 2018.
[链接]
D.阿尔瓦雷斯·梅利斯和T.贾科拉.
利用自解释神经网络实现稳健的可解释性。
在神经信息处理系统(NeurIPS)的进展, 2018.
[pdf格式]
D.阿尔瓦雷斯·梅利斯和T.贾科拉.
Gromov-wasserstein单词嵌入空格对齐。
在自然语言处理中的经验方法(EMNLP), 2018.
[pdf格式]
W.Jin(魏晋),R.巴兹雷、和T.贾科拉.
用于分子图生成的连接树变分自动编码器。
在国际机器学习会议, 2018.
[链接]
D.阿尔瓦雷斯·梅利斯,S.杰格尔卡、和T.贾科拉.
实现具有全局不变性的最优运输。
在arXiv:1806.09277, 2018.
[链接]
G-H李,D.阿尔瓦雷斯·梅利斯、和T.贾科拉.
时间建模的博弈论解释。
在机器学习中的公平、责任和透明度(ICML研讨会), 2018.
[链接]
D.阿尔瓦雷斯·梅利斯和T.贾科拉.
关于可解释性方法的稳健性。
在机器学习中的人类可解释性(ICML研讨会), 2018.
[链接]
D.阿尔瓦雷斯·梅利斯,T.贾科拉、和S.杰格尔卡.
结构化最优运输。
在人工智能与统计学(AISTATS), 2018.
[pdf格式]
L.Hewitt、M.Nye、,A.甘恩,T.贾科拉和J.Tenenbaum。
变分同态编码器:从几个例子中学习高容量生成模型。
在人工智能中的不确定性(UAI), 2018.
[链接]
V.加格和T.贾科拉.
本地聚合游戏。
在神经信息处理系统(NIPS)的进展, 2017.
[pdf格式]
W.Jin(魏晋),C.W.科利,R.巴兹雷、和T.贾科拉.
用weisfeiler-lehman网络预测有机反应结果。
在神经信息处理系统(NIPS)的进展, 2017.
[链接]
素花党参、T.、。,R.巴兹雷、和T.贾科拉.
通过交叉对齐从非平行文本传递样式。
在神经信息处理系统(NIPS)的研究进展, 2017.
[链接]
Y.Zhang先生,R.巴兹雷、和T.贾科拉.
用于域自适应的方面增强的对抗网络。
计算语言学协会学报, 2017.
[pdf格式]
D.阿尔瓦雷斯·梅利斯和T.贾科拉.
解释黑盒序列到序列模型预测的因果框架。
在自然语言处理中的经验方法(EMNLP), 2017.
[pdf格式]
T·雷,W.Jin(魏晋),R.巴兹雷、和T.贾科拉.
从序列核和图核推导神经结构。
在国际机器学习会议, 2017.
[pdf格式]
J.米勒,D.吉福德、和T.贾科拉.
顺序到更好的顺序:不断修改组合结构。
在国际机器学习会议, 2017.
[pdf格式]
M.赵、S.Yue、,D.卡塔比,T.贾科拉和M.Bianchi。
从无线电信号中学习睡眠阶段:有条件对抗体系结构。
在国际机器学习会议, 2017.
[pdf格式]
J.米勒,T.贾科拉、和D.吉福德.
为分布中的持久趋势建模。
美国统计协会杂志, 2017.
[pdf格式]
C.W.科利,R.巴兹雷,T.贾科拉、W.H.Green和K.F.延森.
使用机器学习预测有机反应结果。
ACS中央科学, 2017.
[pdf格式]
C.W.科利,R.巴兹雷,W.H.Green,T.贾科拉、和K.F.延森.
用于物理性质预测的属性分子图的卷积嵌入。
化学信息与建模杂志, 57(8):1757--1772, 2017.
D.阿尔瓦雷兹·梅利斯和T.贾科拉.
基于双递归神经网络的树结构解码。
在国际学习代表大会, 2017.
[pdf格式]
J.米勒,D.雷谢夫、G.Du和T.贾科拉.
学习最佳干预措施。
在人工智能与统计(AISTATS), 2017.
[pdf格式]
V.加格和T.贾科拉.
学习树结构的潜在游戏。
在神经信息处理系统(NIPS)的研究进展, 2016.
[pdf格式]
T·雷,R.巴兹雷、和T.贾科拉.
使神经预测合理化。
在自然语言处理中的经验方法(EMNLP), 2016.
[pdf格式]
顾毅,R.巴兹雷、和T.贾科拉.
基于神经网络的食品掺假检测。
在自然语言处理中的经验方法(EMNLP), 2016.
J.霍诺里奥和T.贾科拉.
结构化预测:从高斯扰动到线性时间原理算法。
在人工智能中的不确定性(UAI), 2016.
[pdf格式]
T.桥本,D.阿尔瓦雷兹·梅利斯、和T.贾科拉.
单词嵌入作为语义空间中的度量恢复。
计算语言学协会学报, 4, 2016.
[pdf格式]
T.桥本,T.贾科拉、和D.吉福德.
利用生成性学习人群级扩散{RNN}秒。
在国际机器学习会议, 2016.
[pdf格式]
Y.Zhang先生,D.Gaddy,R.巴兹雷、和T.贾科拉.
要标记的十对——通过嵌入之间的粗映射进行多语言pos标记。
在计算语言学协会北美分会第十五届年会:人类语言技术, 2016.
[pdf格式]
T·雷、H.Joshi、,R.巴兹雷,T.贾科拉,K.Tymoshenko,A.Moschitti和L.Marquez。
带门限卷积的半监督问题检索。
在计算语言学协会北美分会第十五届年会:人类语言技术, 2016.
[pdf格式]
V.加格、C.Rudin和T.贾科拉.
工艺:集群特定的分类特征选择。
在人工智能与统计(AISTATS), 2016.
[pdf格式]
T.桥本,D.阿尔瓦雷兹·梅利斯、和T.贾科拉.
马尔可夫过程的单词、图形和流形嵌入。
在arXiv:1509.05808, 2015.
[链接]
T.桥本,Y.孙、和T.贾科拉.
从随机行走到未加权图上的距离。
在神经信息处理系统(NIPS)的进展, 2015.
[pdf格式]
J.米勒和T.贾科拉.
主要差异分析:分布之间差异的可解释特征。
在神经信息处理系统(NIPS)的进展, 2015.
[pdf格式]
T·雷,R.Barzilay先生、和T.贾科拉.
成型{美国有线电视新闻网}对于文本:非线性、非连续卷积。
在自然语言处理中的经验方法, 2015.
[pdf格式] [链接]
K.纳拉西姆汉,R.巴兹雷、和T.贾科拉.
一种无监督的方法,用于发现形态链。
计算语言学协会会刊, 3:157--167, 2015.
[pdf格式] [链接]
T.桥本,Y.孙、和T.贾科拉.
有向无权图的度量恢复。
在人工智能与统计, 2015.
[pdf格式]
Y.Xin和T.贾克科拉.
控制推荐系统中的隐私。
在神经信息处理系统研究进展, 2014.
[pdf格式]
Y.Zhang先生,T·雷,R.巴兹雷、和T.贾科拉.
如果随机,贪婪是好的:依赖解析的新推断。
在自然语言处理经验方法会议(EMNLP), 2014.
[pdf格式]
T·雷、Y.Xin、,Y.Zhang先生,R.巴兹雷、和T.贾科拉.
用于对依赖结构进行评分的低秩张量。
在计算语言学协会, 2014.
[pdf格式]
Y.Zhang先生,T·雷,R.巴兹雷,T.贾科拉、和A.Globerson公司.
走向卓越的步骤:简单的推理,对依赖树进行精确的评分。
在计算语言学协会, 2014.
[pdf格式]
J.霍诺里奥和T.贾科拉.
规范化损失最小化一致性的统一框架。
在第31届国际机器学习会议记录, 2014.
[pdf格式]
A.甘恩,T.哈赞、和T.贾科拉.
使用最大后验摄动模型进行学习。
在人工智能与统计, 2014.
[pdf格式]
S.马吉,T.哈赞、和T.贾克科拉.
使用随机地图扰动的活动边界注释。
在人工智能与统计, 2014.
[pdf格式]
J.霍诺里奥和T.贾科拉.
线性分类器的预期风险和pac-bayes有限样本保证的严格界限。
在人工智能与统计, 2014.
[pdf格式]
F.奥拉博纳,T.哈赞A.Sarwate和T.贾科拉.
随机最大后验扰动的测度集中。
在第31届国际机器学习会议记录, 2014.
O.梅西,T.贾科拉、和A.Globerson公司.
用于地图推理的平滑坐标下降。
在S.Nowozin、P.V.Gehler、J.Jancsary和C.Lampert编辑中,高级结构化预测麻省理工学院出版社,2014年。
[pdf格式]
R.Sherwood,T.桥本、C.O'Donnell、S.Lewis、A.Barkal、J.P.van Hoff、V.Karun、,T.贾科拉、和D.吉福德.
通过模拟DNA谱大小和形状发现定向和非定向先锋转录因子。
自然生物技术, 32(2):171--178, 2014.
[pdf格式]
T.哈赞,S.马吉、J.Keshet和T.贾科拉.
学习具有不可分解损失函数的有效随机最大后验预报器。
在神经信息处理系统的研究进展, 2013.
[pdf格式]
T.哈赞,S.马吉、和T.贾科拉.
关于随机最大后验扰动下吉布斯分布的采样。
在神经信息处理系统的研究进展, 2013.
[pdf格式]
J.霍诺里奥和T.贾克科拉.
贝叶斯误差率和香农熵的双边指数集中界。
在第三十届机器学习国际会议论文集, 2013.
[pdf格式]
J.霍诺里奥和T.贾科拉.
线性时间和空间中高维数据的逆协方差估计:riccati和稀疏模型的谱方法。
在第29届人工智能不确定性会议记录, 2013.
[pdf格式]
T.哈赞和T.贾科拉.
关于配分函数和随机最大后验扰动。
在第29届机器学习国际会议(ICML)会议记录, 2012.
[pdf格式]
O.梅西,T.贾科拉、和A.Globerson公司.
地图坐标最小化算法的收敛速度分析。
在神经信息处理系统研究进展, 2012.
T.桥本,T.贾科拉R.Sherwood、E.Mazzoni、H.Witchterle和D.吉福德.
基于谱系的细胞状态识别和表达程序。
在第20届分子生物学智能系统国际年会(ISMB)会议记录, 2012.
[pdf格式]
Z.Kolter公司和T.贾科拉.
加性阶乘隐马尔可夫模型中的近似推断及其在能量分解中的应用。
第十五届国际人工智能与统计会议记录, 22:1472--1482, 2012.
[pdf格式]
Y.Xin和T.贾科拉.
稀疏约束矩阵补全的原对偶方法。
第十五届国际人工智能与统计会议记录, 22:1323--1331, 2012.
[pdf格式]