帕维尔·伊兹迈洛夫
人员信息
SPARQL查询
优化列表
2020年–今天
2024 [公元22年] 科林·伯恩斯 , 帕维尔·伊兹迈洛夫 , 简·亨德里克·基什内尔 , 鲍文·贝克 , 高里奥 , 利奥波德·阿舍布伦纳 , 陈一宁 , 阿德里安·埃科菲 , 玛纳斯·约格勒卡尔 , 简·雷克 , 伊利亚·萨茨克沃 , 杰弗里·吴 :
弱到强泛化:在监管薄弱的情况下激发强大的能力。 ICML公司 2024 【i24】 马丁·马雷克 , 布鲁克斯·佩奇 , 帕维尔·伊兹迈洛夫 :
自信的前科可以取代冰冷的后科吗? CoRR公司 abs/2403.01272 ( 2024 ) 2023 【c21】 卢卡斯·拜尔 , 帕维尔·伊兹迈洛夫 , 亚历山大·科列斯尼科夫 , 马蒂尔德·卡隆 , 西蒙·科恩布利特 , 翟晓华 , 马蒂亚斯·明德勒 , 迈克尔·查宁 , 易卜拉欣·阿拉卜杜尔莫欣 , 菲利普铺装 :
FlexiViT:适用于所有补丁大小的一种型号。 CVPR公司 2023 : 14496-14506 [公元20年] 波琳娜·基里琴科 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
最后一层重新训练足以抵抗伪相关。 ICLR公司 2023 [第19条] 邱世凯 , 安德烈斯·波塔普钦斯基 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
通过自动特征重加权实现简单快速的组鲁棒性。 ICML公司 2023 : 28448-28467 [第23条] 邱世凯 , 安德烈斯·波塔普钦斯基 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
通过自动特征重加权实现简单快速的组鲁棒性。 CoRR公司 abs/2306.11074 ( 2023 ) [i22] 科林·伯恩斯 , 帕维尔·伊兹迈洛夫 , 简·亨德里克·基什内尔 , 鲍文·贝克 , 高里奥 , 利奥波德·阿舍布伦纳 , 陈一宁 , 阿德里安·埃科菲 , 玛纳斯·约格勒卡尔 , 简·雷克 , 伊利亚·萨茨克沃 , 吴建福 :
弱到强泛化:在监管薄弱的情况下激发强大的能力。 CoRR公司 abs/2312.09390 ( 2023 ) 2022 [第18条] 萨纳·洛特菲 , 帕维尔·伊兹迈洛夫 , 格雷戈里·本顿 , 迈卡·戈德布鲁姆 , 安德鲁·戈登·威尔逊 :
贝叶斯模型选择、边际似然和推广。 ICML公司 2022 : 14223-14247 [第17条] 帕维尔·伊兹迈洛夫 , 波琳娜·基里琴科 , 内特·格鲁弗 , 安德鲁·戈登·威尔逊 :
伪相关存在下的特征学习。 NeurIPS公司 2022 [第16条] 三亚姆·卡普尔 , 韦斯利·马多克斯 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
贝叶斯分类中的不确定性、缓和和数据增强。 NeurIPS公司 2022 【i21】 萨纳·洛特菲 , 帕维尔·伊兹迈洛夫 , 格雷戈里·本顿 , 迈卡·戈德布鲁姆 , 安德鲁·戈登·威尔逊 :
贝叶斯模型选择、边际似然和推广。 CoRR公司 abs/2202.11678 ( 2022 ) [i20] 三亚姆·卡普尔 , 韦斯利·马多克斯 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
贝叶斯分类中的不确定性、缓和和数据增强。 CoRR公司 abs/2203.16481 ( 2022 ) [i19] 波琳娜·基里琴科 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
最后一层重新训练足以抵抗伪相关。 CoRR公司 abs/2204.02937 ( 2022 ) [i18] 帕维尔·伊兹迈洛夫 , 波琳娜·基里琴科 , 内特·格鲁弗 , 安德鲁·戈登·威尔逊 :
伪相关存在下的特征学习。 CoRR公司 abs/2210.11369 ( 2022 ) [i17] 卢卡斯·拜尔 , 帕维尔·伊兹迈洛夫 , 亚历山大·科列斯尼科夫 , 马蒂尔德·卡隆 , 西蒙·科恩布利特 , 翟晓华 , 马蒂亚斯·明德勒 , 迈克尔·查宁 , 易卜拉欣·阿拉卜杜尔莫欣 , 菲利普铺装 :
FlexiViT:适用于所有补丁大小的一种型号。 CoRR公司 腹肌/2212.08013 ( 2022 ) 2021 [第15条] 帕维尔·伊兹迈洛夫 , 莎拉·维克兰 , 马修·霍夫曼 , 安德鲁·戈登·威尔逊 :
贝叶斯神经网络后验真的是什么样的? ICML公司 2021 : 4629-4640 [第14条] 安德鲁·戈登·威尔逊 , 帕维尔·伊兹迈洛夫 , 马修·霍夫曼 , Yarin Gal公司 , 李英珍 , 梅兰妮·普拉迪耶 , 莎拉·维克兰 , Andrew Y.K.Foong先生 , 萨纳·洛特菲 , 塞巴斯蒂安·法夸尔 :
贝叶斯深度学习中近似推理的评估。 NeurIPS(竞争和演示) 2021 : 113-124 [第13条] 帕维尔·伊兹迈洛夫 , 帕特里克·尼克尔森 , 萨纳·洛特菲 , 安德鲁·戈登·威尔逊 :
Covariate Shift下贝叶斯模型平均的危险。 NeurIPS公司 2021 : 3309-3322 [第12条] 塞缪尔·斯坦顿 , 帕维尔·伊兹迈洛夫 , 波琳娜·基里琴科 , 亚历山大·阿莱米 , 安德鲁·戈登·威尔逊 :
知识提炼真的有效吗? NeurIPS公司 2021 : 6906-6919 [i16] 帕维尔·伊兹迈洛夫 , 莎拉·维克兰 , 马修·霍夫曼 , 安德鲁·戈登·威尔逊 :
贝叶斯神经网络后验真的是什么样的? CoRR公司 abs/2104.14421 ( 2021 ) 【i15】 塞缪尔·斯坦顿 , 帕维尔·伊兹迈洛夫 , 波琳娜·基里琴科 , 亚历山大·阿莱米 , 安德鲁·戈登·威尔逊 :
知识提炼真的有效吗? CoRR公司 abs/2106.05945 ( 2021 ) [第14条] 帕维尔·伊兹迈洛夫 , 帕特里克·尼克尔森 , 萨纳·洛特菲 , 安德鲁·戈登·威尔逊 :
Covariate Shift下贝叶斯模型平均的危险。 CoRR公司 abs/2106.11905 ( 2021 ) 2020 [j1] 亚历山大·诺维科夫 , 帕维尔·伊兹迈洛夫 , 瓦伦丁·赫鲁尔科夫 , 迈克尔·菲格诺夫 , 伊凡·奥塞莱德茨(Ivan V.Oseledets) :
张量流上的张量列分解(T3F)。 J.马赫。 学习。 物件。 21 : 30:1-30:7 ( 2020 ) [第11条] 马克·芬奇 , 塞缪尔·斯坦顿 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
任意连续数据上李群等方差卷积神经网络的推广。 ICML公司 2020 : 3165-3176 [c10] 帕维尔·伊兹迈洛夫 , 波琳娜·基里琴科 , 马克·芬奇 , 安德鲁·戈登·威尔逊 :
具有规范化流的半监督学习。 ICML公司 2020 : 4615-4630 【c9】 格雷戈里·本顿 , 马克·芬奇 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
从训练数据中学习神经网络中的不变性。 NeurIPS公司 2020 【c8】 波琳娜·基里琴科 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
为什么规范化流无法检测出分布外数据。 NeurIPS公司 2020 【c7】 安德鲁·戈登·威尔逊 , 帕维尔·伊兹迈洛夫 :
贝叶斯深度学习和概化的概率观点。 NeurIPS公司 2020 [i13] 安德鲁·戈登·威尔逊 , 帕维尔·伊兹迈洛夫 :
贝叶斯深度学习和概化的概率观点。 CoRR公司 abs/2002.08791 ( 2020 ) [i12] 马克·芬奇 , 塞缪尔·斯坦顿 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
任意连续数据上李群等方差卷积神经网络的推广。 CoRR公司 abs/2002.12880 ( 2020 ) [i11] 波琳娜·基里琴科 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
为什么规范化流无法检测出分布外数据。 CoRR公司 abs/2006.08545 ( 2020 ) [i10] 格雷戈里·本顿 , 马克·芬奇 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
神经网络中的学习不变量。 CoRR公司 abs/2010.11882 ( 2020 )
2010 – 2019
2019 【c6】 本·阿提瓦拉特昆 , 马克·芬奇 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
对未标记数据有许多一致的解释:为什么你应该平均。 ICLR(海报) 2019 【c5】 韦斯利·马多克斯 , 帕维尔·伊兹迈洛夫 , 帖木儿·加里波夫 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
深度学习中贝叶斯不确定性的简单基线。 NeurIPS公司 2019 : 13132-13143 【c4】 帕维尔·伊兹迈洛夫 , 韦斯利·马多克斯 , 波琳娜·基里琴科 , 帖木儿·加里波夫 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
贝叶斯深度学习的子空间推理。 阿联酋 2019 : 1169-1179 [第九章] 韦斯利·马多克斯 , 帖木儿·加里波夫 , 帕维尔·伊兹迈洛夫 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
深度学习中贝叶斯不确定性的简单基线。 CoRR公司 abs/1902.02476 ( 2019 ) [i8] 帕维尔·伊兹迈洛夫 , 韦斯利·马多克斯 , 波琳娜·基里琴科 , 帖木儿·加里波夫 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
贝叶斯深度学习的子空间推理。 CoRR公司 abs/1907.07504 ( 2019 ) [i7] 帕维尔·伊兹迈洛夫 , 波琳娜·基里琴科 , 马克·芬奇 , 安德鲁·戈登·威尔逊 :
具有规范化流的半监督学习。 CoRR公司 abs/1912.13025 ( 2019 ) 2018 【c3】 帕维尔·伊兹迈洛夫 , 亚历山大·诺维科夫 , 德米特里·克罗波托夫 :
通过张量序列分解具有数十亿诱导输入的可伸缩高斯过程。 AISTATS公司 2018 : 726-735 【c2】 帖木儿·加里波夫 , 帕维尔·伊兹迈洛夫 , 德米特里·波多普里钦 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
损失面、模式连通性和DNN的快速集成。 NeurIPS公司 2018 : 8803-8812 【c1】 帕维尔·伊兹迈洛夫 , 德米特里·波多普里钦 , 帖木儿·加里波夫 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
平均权重有助于更广泛的优化和更好的泛化。 阿联酋 2018 : 876-885 [i6] 亚历山大·诺维科夫 , 帕维尔·伊兹迈洛夫 , 瓦伦丁·赫鲁尔科夫 , 迈克尔·菲格诺夫 , 伊凡·奥塞莱德茨(Ivan V.Oseledets) :
张量流(T3F)上的张量序列分解。 CoRR公司 abs/1801.01928 ( 2018 ) [i5] 帖木儿·加里波夫 , 帕维尔·伊兹迈洛夫 , 德米特里·波多普里钦 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
损失面、模式连通性和DNN的快速集成。 CoRR公司 腹肌/180210026 ( 2018 ) [i4] 帕维尔·伊兹迈洛夫 , 德米特里·波多普里钦 , 帖木儿·加里波夫 , 德米特里·佩特罗夫 , 安德鲁·戈登·威尔逊 :
平均权重有助于更广泛的优化和更好的泛化。 CoRR公司 abs/1803.05407 ( 2018 ) [i3] 本·阿提瓦拉特昆 , 马克·芬奇 , 帕维尔·伊兹迈洛夫 , 安德鲁·戈登·威尔逊 :
通过加权平均改进基于一致性的半监督学习。 CoRR公司 abs/1806.05594 ( 2018 ) 2017 [i2] 帕维尔·伊兹迈洛夫 , 亚历山大·诺维科夫 , 德米特里·克罗波托夫 :
通过张量序列分解具有数十亿诱导输入的可伸缩高斯过程。 CoRR公司 abs/1710.07324 ( 2017 ) 2016 [i1] 帕维尔·伊兹迈洛夫 , 德米特里·克罗波托夫 :
更快的变分诱导输入高斯过程分类。 CoRR公司 腹肌/1611.06132 ( 2016 )