伊琳娜·希金斯
人员信息
优化列表
2020年–今天
2023 [第12条] 安东尼娅·克雷斯韦尔 , 默里·沙纳汉 , 伊琳娜·希金斯 :
选择会议:为可解释逻辑推理开发大型语言模型。 ICLR公司 2023 2022 [j5] 伊琳娜·希金斯 , 塞巴斯蒂安·拉卡尼埃 , 丹尼尔·雷泽德 :
基于对称的人工智能和生物通用智能表示。 前沿计算。 神经科学。 16 : 836498 ( 2022 ) [i20] 伊琳娜·希金斯 , 塞巴斯蒂安·拉卡尼埃 , 丹尼尔·雷泽德 :
基于对称的人工智能和生物通用智能表示。 CoRR公司 abs/2203.09250 ( 2022 ) [i19] 安东尼娅·克雷斯韦尔 , 默里·沙纳汉 , 伊琳娜·希金斯 :
选择会议:为可解释逻辑推理开发大型语言模型。 CoRR公司 abs/2205.09712 ( 2022 ) [i18] 乔纳森·尤萨托 , 内特·库什曼 , 拉马纳·库马尔 , H.弗朗西斯·宋 , 诺亚·Y·西格尔 , 汪明荃 , 安东尼娅·克雷斯韦尔 , 杰弗里·欧文 , 伊琳娜·希金斯 :
利用基于过程和结果的反馈解决数学单词问题。 CoRR公司 abs/2211.14275 ( 2022 ) 2021 【j4】 伊琳娜·希金斯 :
泛化通用函数逼近器。 自然马赫数。 智力。 三 ( 三 ) : 192-193 ( 2021 ) [第11条] 加勒特·霍克 , 伊琳娜·希金斯 , 尼娜·蒂普恩 , 弗拉基米尔·米斯科维奇 , 凯蒂·林克 , 段晴妮(Sunny Duan) , 普拉莫德·古普塔 , 朱莉娅·克劳文 , 格雷格·哈扎克 :
用于改善EEG中临床因素的可解释性和分类准确性的表示学习。 ICLR公司 2021 [第10条] 马库斯·伍尔迈耶 , 阿伦库马尔·拜拉文 , 蒂姆·赫威克 , 伊琳娜·希金斯 , 安库什·古普塔 , Tejas Kulkarni公司 , 马尔科姆·雷诺兹 , 丹尼斯·特普利亚辛 , 罗兰·哈夫纳 , 托马斯·兰普 , 马丁·里德米勒 :
表现问题:提高机器人的感知和探索能力。 ICRA公司 2021 : 6512-6519 【c9】 阿列克桑达尔·博特夫 , 安德鲁·杰格尔 , 彼得·温斯伯格 , 丹尼尔·海恩斯 , 伊琳娜·希金斯 :
哪些前科很重要? 学习潜在动态的基准模型。 NeurIPS数据集和基准 2021 【c8】 伊琳娜·希金斯 , 彼得·温斯伯格 , 安德鲁·杰格尔 , 阿列克桑达尔·博特夫 :
SyMetric:测量从视觉推断的学习哈密顿动力学的质量。 NeurIPS公司 2021 : 25591-25605 [i17] 阿列克桑达尔·博特夫 , 安德鲁·杰格尔 , 彼得·温斯伯格 , 丹尼尔·海恩斯 , 伊琳娜·希金斯 :
哪些前科重要? 学习潜在动态的基准模型。 CoRR公司 abs/2111.05458 ( 2021 ) [i16] 伊琳娜·希金斯 , 彼得·温斯伯格 , 安德鲁·杰格尔 , 阿列克桑达尔·博特夫 :
SyMetric:测量从视觉推断的学习哈密顿动力学的质量。 CoRR公司 abs/2111.05986 ( 2021 ) 【i15】 杰克·W·雷 , 塞巴斯蒂安·博尔盖乌德 , 特雷弗·蔡 , 凯蒂·米利肯 , 乔丹·霍夫曼 , H.弗朗西斯·宋 , 约翰·阿斯兰尼德斯 , 萨拉亨德森 , 罗马戒指 , 苏珊娜·杨 , 伊丽莎·卢瑟福 , 汤姆·亨尼根 , 雅各布·梅尼克 , 阿尔宾·卡西尔 , 鲍威尔 , 乔治·范·登·德里斯(George van den Driessche) , 丽莎·安妮·亨德里克斯 , 玛丽贝斯·劳赫 , 黄伯森 , 阿米莉亚·格莱斯 , 约翰内斯·韦尔布尔 , 苏曼特·达塔赫里 , 藏红花黄 , 乔纳森·尤萨托 , 约翰·梅勒 , 伊琳娜·希金斯 , 安东尼娅·克雷斯韦尔 , 纳特·麦克莱塞 , 艾米·吴 , 埃里希·埃尔森 , Siddhant M.Jayakumar先生 , 埃琳娜·布恰茨卡娅 , 大卫·布登 , 埃斯梅·萨瑟兰 , 凯伦·西蒙扬 , 米歇拉·帕格尼尼 , 劳伦特·西弗雷 , 莉娜·马滕斯 , 李向洛林 , Adhiguna Kuncoro公司 , 艾达·内马扎德 , 埃琳娜·格里博夫斯卡娅 , 多梅尼克·多纳托 , 安吉利基·拉扎里杜 , 阿瑟·门施 , Jean-Baptiste Lespiau女士 , 玛丽亚·齐姆波基利 , 尼古拉·格里戈列夫 , 道格·弗里茨 , Thibault Sottiaux公司 , 曼塔斯·帕贾斯卡斯 , 托比·波伦 , 龚志涛 , 丹尼尔·富山 , Cyprien de Masson d'Autume公司 , 李宇佳 , 泰富·特尔齐 , 弗拉基米尔·米库利克 , 伊戈尔·巴布什金 , 艾丹·克拉克 , 迭戈·德·拉斯·卡斯 , 奥雷莉亚·盖伊 , 克里斯·琼斯 , 詹姆斯·布拉德伯里 , 马修·约翰逊 , 布莱克·赫奇曼 , 劳拉·魏丁格 , 艾森·加布里埃尔 , 艾萨克 , 爱德华·洛克哈特 , 西蒙·奥斯宾多 , 劳拉·里梅尔 , 克里斯·戴尔 , Oriol葡萄酒 , 卡里姆·阿尤布 , 杰夫·斯坦威 , 洛雷恩·贝内特 , 哈萨比斯 , 科雷·卡武科格鲁 , 杰弗里·欧文 :
缩放语言模型:来自训练地鼠的方法、分析和见解。 CoRR公司 abs/2112.11446 ( 2021 ) 2020 【c7】 段晴妮(Sunny Duan) , 洛伊克·马特(Loic Matthey) , 安德烈·萨拉瓦 , 尼克·沃特斯 , 克里斯·伯格斯 , 亚历山大·勒克纳 , 伊琳娜·希金斯 :
变分无纠缠表示学习的无监督模型选择。 ICLR公司 2020 【c6】 彼得·托斯 , 丹尼尔·雷泽德 , 安德鲁·杰格尔 , 塞巴斯蒂安·拉卡尼埃 , 阿列克桑达尔·博特夫 , 伊琳娜·希金斯 :
哈密顿生成网络。 ICLR公司 2020 【c5】 大卫·普法 , 伊琳娜·希金斯 , 阿列克桑达尔·博特夫 , 塞巴斯蒂安·拉卡尼埃 :
通过子空间扩散分离缠绕。 NeurIPS公司 2020 [第14条] 大卫·普法 , 伊琳娜·希金斯 , 阿列克桑达尔·博特夫 , 塞巴斯蒂安·拉卡尼埃 :
通过子空间扩散分离缠绕。 CoRR公司 abs/2006.12982 ( 2020 ) [i13] 加勒特·霍克 , 伊琳娜·希金斯 , 尼娜·蒂普恩 , 弗拉基米尔·米斯科维奇 , 凯蒂·林克 , 普拉莫德·古普塔 , 朱莉娅·克劳文 , 格雷格·哈扎克 :
表示学习用于改善EEG中临床因素的可解释性和分类准确性。 CoRR公司 abs/2010.15274 ( 2020 ) [i12] 马库斯·伍尔迈耶 , 阿伦库马尔·拜拉文 , 蒂姆·赫威克 , 伊琳娜·希金斯 , 安库什·古普塔 , 特哈斯·库尔卡尼 , 马尔科姆·雷诺兹 , 丹尼斯·特普利亚辛 , 罗兰·哈夫纳 , 托马斯·兰普 , 马丁·里德米勒 :
表现问题:提高机器人的感知和探索能力。 CoRR公司 腹肌/2011.01758 ( 2020 )
2010 – 2019
2019 [i11] 克里斯托弗·伯吉斯 , 洛伊克·马泰 , 尼古拉斯·沃特斯 , 里沙布·卡布拉 , 伊琳娜·希金斯 , 马修·博特维尼克 , 亚历山大·勒克纳 :
MONet:无监督场景分解和表示。 CoRR公司 abs/1901.11390 ( 2019 ) [i10] 段晴妮(Sunny Duan) , 尼古拉斯·沃特斯 , 洛伊克·马特(Loic Matthey) , 克里斯·伯格斯 , 亚历山大·勒克纳 , 伊琳娜·希金斯 :
一种用于变分纠缠表示学习的无监督模型选择的启发式方法。 CoRR公司 abs/1905.12614 ( 2019 ) [i9] 丹尼尔·希梅内斯·雷泽德 , 塞巴斯蒂安·拉卡尼埃 , 伊琳娜·希金斯 , 彼得·托斯 :
等变哈密顿流。 CoRR公司 abs/1909.13739 ( 2019 ) [i8] 彼得·托斯 , 丹尼尔·希梅内斯·雷泽德 , 安德鲁·杰格尔 , 塞巴斯蒂安·拉卡尼埃 , 阿列克桑达尔·博特夫 , 伊琳娜·希金斯 :
哈密顿生成网络。 CoRR公司 abs/1909.13789 ( 2019 ) [i7] 克里斯托弗·格林 , 伊琳娜·希金斯 , 安德烈·巴雷托 , 丹尼斯·特普利亚辛 , 马库斯·伍尔迈耶 , 蒂姆·赫威克 , Raia Hadsell公司 , 萨汀德·辛格 :
分离累积量有助于继任者陈述转移到新任务。 CoRR公司 abs/1911.10866 ( 2019 ) 2018 [j3] 伊琳娜·希金斯 , 西蒙·斯特林格 , 简·W·H·施努普 :
耳蜗核和下丘在听觉类别学习中稳定听神经放电的作用的计算说明。 神经计算。 30 ( 7 ) ( 2018 ) 【c4】 伊琳娜·希金斯 , 尼古拉斯·桑纳雷特 , 洛伊克·马特(Loic Matthey) , 阿卡·帕尔 , 克里斯托弗·伯吉斯 , 马特科·博斯尼亚克 , 默里·沙纳汉 , 马修·博特维尼克 , 哈萨比斯 , 亚历山大·勒克纳 :
扫描:学习层次结构视觉概念。 ICLR(海报) 2018 【c3】 亚历山德罗·阿奇尔 , 汤姆·埃克尔斯 , 洛伊克·马修斯 , 克里斯托弗·伯吉斯 , 尼古拉斯·沃特斯 , 亚历山大·勒希纳 , 伊琳娜·希金斯 :
具有跨域潜在同调的终身无纠缠表示学习。 NeurIPS公司 2018 : 9895-9905 [i6] 克里斯托弗·伯吉斯 , 伊琳娜·希金斯 , 阿卡·帕尔 , 洛伊克·马泰 , 尼克·沃特斯 , 纪尧姆·德斯贾丁斯 , 亚历山大·勒克纳 :
了解β-VAE中的解缠结。 CoRR公司 abs/1804.03599 ( 2018 ) [i5] 亚历山德罗·阿奇尔 , 汤姆·埃克尔斯 , 洛伊克·马泰 , 克里斯托弗·伯吉斯 , 尼克·沃特斯 , 亚历山大·勒克纳 , 伊琳娜·希金斯 :
具有跨域潜在同调的终身无纠缠表示学习。 CoRR公司 abs/1808.06508 ( 2018 ) [i4] 伊琳娜·希金斯 , 大卫·阿莫斯 , 大卫·普法 , 塞巴斯蒂安·拉卡尼埃 , 洛伊克·马泰 , 丹尼尔·雷泽德 , 亚历山大·勒克纳 :
走向纠缠表象的定义。 CoRR公司 腹肌/1812.02230 ( 2018 ) 2017 【c2】 伊琳娜·希金斯 , 洛伊克·马泰 , 阿卡·帕尔 , 克里斯托弗·伯吉斯 , 泽维尔·格洛洛特 , 马修·博特维尼克 , 夏基尔·穆罕默德 , 亚历山大·勒克纳 :
beta-VAE:使用约束变分框架学习基本的视觉概念。 ICLR(海报) 2017 【c1】 伊琳娜·希金斯 , 阿卡·帕尔 , 安德烈·鲁苏 , 洛伊克·马泰 , 克里斯托弗·伯吉斯 , 亚历山大·普里策 , 马修·博特维尼克 , 查尔斯·布伦德尔 , 亚历山大·勒克纳 :
DARLA:改进强化学习中的零射转移。 ICML公司 2017 : 1480-1490 [i3] 伊琳娜·希金斯 , 尼古拉斯·桑纳雷特 , 洛伊克·马泰 , 阿卡·帕尔 , 克里斯托弗·伯吉斯 , 马修·博特维尼克 , 哈萨比斯 , 亚历山大·勒克纳 :
SCAN:学习抽象层次结构视觉概念。 CoRR公司 abs/1707.03389 ( 2017 ) [i2] 伊琳娜·希金斯 , 阿卡·帕尔 , 安德烈·鲁苏 , 洛伊克·马泰 , 克里斯托弗·伯吉斯 , 亚历山大·普里策 , 马修·博特维尼克 , 查尔斯·布伦德尔 , 亚历山大·勒克纳 :
DARLA:改进强化学习中的零射转移。 CoRR公司 abs/1707.08475 ( 2017 ) 2016 [j2] 纳西尔·艾哈迈德 , 伊琳娜·希金斯 , 克里·M·M·沃克 , 西蒙·M·斯特林格 :
听觉脑神经网络模型中的谐波训练和音高表示的形成。 前沿计算。 神经科学。 10 : 24 ( 2016 ) [i1] 伊琳娜·希金斯 , 洛伊克·马泰 , 泽维尔·格洛洛特 , 阿卡·帕尔 , 贝尼尼奥·乌里亚 , 查尔斯·布伦德尔 , 夏基尔·穆罕默德 , 亚历山大·勒克纳 :
早期视觉概念学习与无监督深度学习。 CoRR公司 abs/1606.05579 ( 2016 ) 2012 [j1] 詹姆斯·特罗曼斯 , 伊琳娜·希金斯 , 西蒙·M·斯特林格 :
学习部分遮挡对象的视图不变识别。 前沿计算。 神经科学。 6 : 48 ( 2012 )