巴拉兹·凯格尔
人员信息
附属: 巴黎萨克利大学数据科学中心 附属: 巴黎南德大学直线加速器实验室(LAL) 附属: 蒙特利尔大学计算机科学系
SPARQL查询
优化列表
2020年–今天
2024 [公元46年] 朱塞佩·保罗 , 乔纳斯·冈萨雷斯-比兰登 , 巴拉兹·凯格尔 :
职位:对具体人工智能的呼吁。 ICML公司 2024 [第14条] 阿卜杜勒哈基姆·贝内切哈布 , 阿尔伯特·汤姆 , 巴拉兹·凯格尔 :
基于模型的离线强化学习的深度自回归密度网络与神经集成。 CoRR公司 abs/2402.02858 ( 2024 ) [i13] 阿卜杜勒哈基姆·贝内切哈布 , 阿尔伯特·汤姆 , 朱塞佩·保罗 , 毛里齐奥·菲利波内 , 巴拉兹·凯格尔 :
基于模型的强化学习中动力学鲁棒学习的多步损失函数。 CoRR公司 abs/2402.03146 ( 2024 ) [i12] 朱塞佩·保罗 , 乔纳斯·冈萨雷斯-比兰登 , 巴拉兹·凯格尔 :
呼唤人工智能。 CoRR公司 abs/2402.03824 ( 2024 ) 2023 [i11] 阿卜杜勒哈基姆·贝内切哈布 , 朱塞佩·保罗 , 阿尔伯特·汤姆 , 毛里齐奥·菲利波内 , 巴拉兹·凯格尔 :
基于模型的强化学习的多步模型。 CoRR公司 abs/2310.05672 ( 2023 ) [i10] 巴拉兹·凯格尔 :
在表格数据上比较超参数优化引擎的系统研究。 CoRR公司 abs/2311.15854 ( 2023 ) 2022 [公元14年] 尼古拉斯·特劳特 , 卡贾·豪尔 , 纪尧姆·莱马西特 , 安妮塔·贝吉亚托 , 大卫·杰马诺德 , 莫妮克·埃尔马利赫 , 阿尔班·贝塞格涅斯 , Laurent Bonnasse Gahot女士 , 蔡伟东 , 斯坦尼斯拉斯·尚本 , 弗雷迪·克莱奎特 , 阿尤布·格里斯 , 尼古拉斯·古伊 , 阿米西·德·皮耶雷福(Amicie de Pierrefeu) , 孟旺(Meng Wang) , 瓦伦蒂娜·扎特德斯基 , 亚历山大·布考德 , 乔里斯·范登·博采 , 巴拉兹·凯格尔 , 理查德·德洛姆 , 托马斯·布杰伦 , 罗伯托·托罗 , 加勒·瓦罗佐 :
孤独症成像生物标记挑战的见解:生物标记发现的前景和威胁。 神经影像 255 : 119171 ( 2022 ) [第九章] 朱塞佩·保罗 , 乔纳斯·冈萨雷斯-比兰登 , 阿尔伯特·汤姆 , 巴拉兹·凯格尔 :
引导式安全射击:基于模型的强化学习,具有安全约束。 CoRR公司 腹肌/2206.09743 ( 2022 ) 2021 [公元45年] 莎拉·卡梅尔 , 哈特穆特·哈弗曼 , 迪伦·勒加克 , 卢多维克·多斯·桑托斯 , 巴拉兹·凯格尔 , Yann Frignac公司 , 加布里埃尔·查莱特 :
通过学习的噪声数据预测光链路的OSNR。 ECOC公司 2021 : 1-4 [公元44年] 巴拉兹·凯格尔 , 加布里埃尔·赫塔多 , 阿尔伯特·汤姆 :
基于模型的微数据强化学习:什么是关键的模型属性以及要选择的模型? ICLR公司 2021 [i8] 巴拉兹·凯格尔 , 加布里埃尔·赫塔多 , 阿尔伯特·汤姆 :
基于模型的微数据强化学习:什么是关键的模型属性以及要选择的模型? CoRR公司 abs/2107.11587 ( 2021 ) [i7] 阿拉丁·维尔毛 , 伊利恩·萨法尔 , 张剑锋 , 巴拉兹·凯格尔 :
Knothe-Rosenblat传输用于无监督域适配。 CoRR公司 abs/2110.02716 ( 2021 ) 2020 [j13] 苏菲·吉法德·罗辛 , 莫扬(Mo Yang) , 纪尧姆·夏皮亚特 , 克里斯蒂娜·昆勒·邦凡蒂 , 巴拉兹·凯格尔 , 克莱尔·蒙特利奥尼 :
使用来自对齐再分析数据的融合深度学习进行热带气旋路径预测。 前沿大数据 三 : 1 ( 2020 )
2010 – 2019
2019 [i6] 莱昂纳德·布苏 , Tomás Giro Larraz公司 , 查尔斯·吉尔·斯库雷特 , 梅迪·切尔蒂 , 巴拉兹·凯格尔 :
昆虫行动:众包昆虫观察以评估人口变化和改进分类。 CoRR公司 abs/1906.11898 ( 2019 ) [i5] 苏菲·吉法德·罗辛 , 莫扬(Mo Yang) , 纪尧姆·夏皮亚特 , 克里斯蒂娜·库姆勒·邦芬蒂 , 巴拉兹·凯格尔 , 克莱尔·蒙特利奥尼 :
使用来自对齐再分析数据的融合深度学习进行热带气旋路径预测。 CoRR公司 abs/1910.10566 ( 2019 ) 2018 [公元12年] 帕特里西奥·塞尔达 , 加勒·瓦罗佐 , 巴拉兹·凯格尔 :
用于学习脏分类变量的相似编码。 机器。 学习。 107 ( 8-10 ) : 1477-1494 ( 2018 ) 【d1】 尼古拉斯·特劳特 , 纪尧姆·莱马西特 , 卡贾·豪尔 , 安妮塔·贝吉亚托 , 巴拉兹·凯格尔 , 理查德·德洛姆 , 托马斯·布杰伦 , 罗伯托·托罗 , 加勒·瓦罗佐 :
IMaging-PsychiAtry Challenge rfMRI数据。 泽诺多 , 2018 [i4] 帕特里西奥·塞尔达 , 加勒·瓦罗佐 , 巴拉兹·凯格尔 :
用于学习脏分类变量的相似编码。 CoRR公司 abs/1806.00979 ( 2018 ) [i3] 巴拉兹·凯格尔 , 梅迪·切尔蒂 , 阿金·哈萨克 :
深度生成模型中的虚假样本:错误还是特性? CoRR公司 腹肌/1810.01876 ( 2018 ) 2017 [公元43年] 梅迪·切尔蒂 , 巴拉兹·凯格尔 , 阿金·哈萨克 :
基于深度生成模型的从头开始药物设计:一项实证研究。 ICLR(车间) 2017 [公元42年] 梅迪·切尔蒂 , 巴拉兹·凯格尔 , 阿金·哈萨克 :
出类拔萃的新事物产生:实验基础。 ICLR(车间) 2017 [公元41年] 梅迪·切尔蒂 , 巴拉兹·凯格尔 , 阿金·哈萨克 :
班级外的新奇一代:实验基础。 国际通信技术协会 2017 : 1312-1319 [i2] 莱蒂蒂亚·勒 , 卡米尔·马里尼 , 亚历山大·格兰福特 , 大卫·阮 , 梅迪·切尔蒂 , 萨纳·特法利 , 阿里·特费利 , Arlette Baillet Guffroy女士 , 帕特里斯·普格农 , 皮埃尔·查米纳德 , 埃里克·考德伦 , 巴拉兹·凯格尔 :
癌症治疗用单克隆抗体制剂的分类和量化的机器学习。 CoRR公司 abs/1705.07099 ( 2017 ) 2016 [公元40年] 克莱尔·亚当·布尔达里奥斯 , 格伦·考恩 , 塞西尔·日尔曼 , 数据挖掘人物 , 巴拉兹·凯格尔 , 大卫·卢梭 :
机器学习是如何赢得希格斯玻色子挑战的。 ESANN公司 2016 [公元39年] 阿金·哈萨克 , 梅迪·切尔蒂 , 巴拉兹·凯格尔 :
非数字:通过深层神经网络生成新类型。 国际协调委员会 2016 : 188-196 [i1] 阿金·哈萨克 , 梅迪·切尔蒂 , 巴拉兹·凯格尔 :
非数字:通过深层神经网络生成新类型。 CoRR公司 abs/1606.04345 ( 2016 ) 2014 [公元38年] 巴拉兹·凯格尔 :
开放问题:AdaBoost的(缺少)boosting类型收敛结果。 MH与因子化多类分类器。 COLT公司 2014 : 1268-1275 [公元37年] 克莱尔·亚当·布尔达里奥斯 , 格伦·考恩 , 塞西尔·日尔曼 , 数据挖掘人物 , 巴拉兹·凯格尔 , 大卫·卢梭 :
希格斯玻色子机器学习挑战。 NIPS的HEPML 2014 : 19-55 [公元36年] 巴拉兹·凯格尔 :
AdaBoost的回归。 MH:多类汉明树。 ICLR(海报) 2014 [公元35年] 巴拉兹·凯格尔 :
基于相关性的邻域和边缘特征构建。 ICLR(车间海报) 2014 2013 [公元11年] 罗伯特·布萨·费科特 , 巴拉兹·凯格尔 , 塔马斯·埃勒特奥 , György Szarvas公司 :
调谐和混合:学习使用校准的多类分类器的集合进行排序。 机器。 学习。 93 ( 2-3 ) : 261-292 ( 2013 ) [公元34年] Balázs Szörényi , 罗伯特·布萨·费科特 , 伊斯特万·赫格杜斯 , 罗德·奥曼迪 , 马尔克Jelasity , 巴拉兹·凯格尔 :
基于流言的分布式随机盗贼算法。 ICML(3) 2013 : 19-27 [公元33年] 雷米·巴德内特 , 马蒂亚斯·布伦德尔 , 巴拉兹·凯格尔 , 米歇尔·塞巴格 :
协作超参数调整。 ICML(2) 2013 : 199-207 2012 [公元10年] 贾勒尔·本布齐德 , 罗伯特·布萨·费科特 , 诺曼·卡萨格兰德 , 弗朗索瓦·达维德·科林 , 巴拉兹·凯格尔 :
MULTIBOOST:一种多用途升压包。 J.马赫。 学习。 物件。 13 : 549-553 ( 2012 ) [公元32年] 伊斯特万·赫格杜斯 , 罗伯特·布萨·费科特 , 罗德·奥曼迪 , 马尔克Jelasity , 巴拉兹·凯格尔 :
对等多类提升。 欧洲-保时捷 2012 : 389-400 [公元31年] 罗伯特·布萨·费科特 , 贾勒尔·本布齐德 , 巴拉兹·凯格尔 :
使用稀疏决策DAG进行快速分类。 ICML公司 2012 [c30] 雷米·巴德内特 , 奥利维尔·卡佩 , 格森德堡 , 巴拉兹·凯格尔 :
在线重贴标签的自适应大都市。 AISTATS公司 2012 : 91-99 2011 【b1】 巴拉兹·凯格尔 :
对机器学习的贡献:无监督、有监督和贝叶斯。 法国奥赛巴黎大学, 2011 [公元29年] 詹姆斯·伯格斯特拉 , 雷米·巴德内特 , 本吉奥 , 巴拉兹·凯格尔 :
超参数优化算法。 NIPS公司 2011 : 2546-2554 [公元28年] 罗伯特·布萨·费科特 , 巴拉兹·凯格尔 , 塔马斯·埃勒特奥 , György Szarvas公司 :
基于AdaBoost多样性校准的稳健排序方法。 ECML/PKDD(1) 2011 : 263-279 [公元27年] 罗伯特·布萨·费科特 , 巴拉兹·凯格尔 , 塔玛斯Éltetö , György Szarvas公司 :
通过校准的AdaBoost进行排名。 雅虎! 学习排名挑战 2011 : 37-48 2010 [公元9年] 朱利安·佩雷斯 , Cécile Germain-Renaud公司 , 巴拉兹·凯格尔 , 查尔斯·卢米斯 :
响应网格的多目标强化学习。 J.网格计算。 8 ( 三 ) : 473-492 ( 2010 ) [j8] 陈光毅(Guangyi Chen) , 巴拉兹·凯格尔 :
使用contourlet和AdaBoost进行不变模式识别。 模式识别器。 43 ( 三 ) : 579-583 ( 2010 ) [公元26年] 雷米·巴德内特 , 巴拉兹·凯格尔 :
替代代理:使用混合交叉熵算法加速基于高斯过程的全局优化。 ICML公司 2010 : 55-62 [公元25年] 罗伯特·布萨·费科特 , 巴拉兹·凯格尔 :
使用敌方强盗快速推进。 ICML公司 2010 : 143-150 [公元24年] 陈光毅(Guangyi Chen) , 朱伟平 , 巴拉兹·凯格尔 , 罗伯特·布萨·费科特 :
使用小波和AdaBoost进行掌纹分类。 ISNN(2) 2010 : 178-183
2000 – 2009
2009 【c23】 巴拉兹·凯格尔 , 罗伯特·布萨·费科特 :
提升基本分类器的产品。 ICML公司 2009 : 497-504 [公元22年] 安德拉斯·班哈尔米(András Bánhalmi) , 罗伯特·布萨·费科特 , 巴拉兹·凯格尔 :
蛋白质序列和结构的一类分类方法。 伊斯布拉银行 2009 : 310-322 [c21] 罗伯特·布萨·费科特 , 巴拉兹·凯格尔 :
使用UCB加速AdaBoost。 KDD杯 2009 : 111-122 2008 [公元20年] 朱利安·佩雷斯 , Cécile Germain-Renaud公司 , 巴拉兹·凯格尔 , 查尔斯·卢米斯 :
网格差异化服务:强化学习方法。 CCGRID公司 2008 : 287-294 [第19条] 朱利安·佩雷斯 , Cécile Germain-Renaud公司 , 巴拉兹·凯格尔 , 查尔斯·卢米斯 :
基于效用的无功电网强化学习。 廉署 2008 : 205-206 2007 [j7] 塞巴斯蒂安·甘姆斯 , 巴拉兹·凯格尔 , 伊斯马·阿伊梅尔 :
隐私保护增强。 数据最小知识。 发现。 14 ( 1 ) : 131-170 ( 2007 ) [j6] 陈光毅(Guangyi Chen) , 巴拉兹·凯格尔 :
复杂脊波图像去噪。 模式识别器。 40 ( 2 ) : 578-585 ( 2007 ) [第18条] 尼古拉斯·勒鲁 , 本吉奥 , 帕斯卡·兰姆林 , 马克·朱利沃 , 巴拉兹·凯格尔 :
学习图像的二维拓扑。 NIPS公司 2007 : 841-848 [第17条] 陈光毅(Guangyi Chen) , 巴拉兹·凯格尔 :
使用轮廓线进行掌纹分类。 SMC公司 2007 : 1003-1007 [第16条] 陈光毅(Guangyi Chen) , 巴拉兹·凯格尔 :
使用Radon、小波和傅里叶变换进行特征提取。 SMC公司 2007 : 1020-1025 2006 [j5] 詹姆斯·伯格斯特拉 , 诺曼·卡萨格兰德 , 杜米特鲁·尔汗 , 道格拉斯·埃克 , 巴拉兹·凯格尔 :
聚合功能和ADABOOST用于音乐分类。 机器。 学习。 65 ( 2-3 ) : 473-484 ( 2006 ) [第15条] 陈光毅(Guangyi Chen) , 巴拉兹·凯格尔 :
用于模式识别的不变Radon小波包特征。 CCECE公司 2006 : 1471-1474 2005 [第14条] 诺曼·卡萨格兰德 , 道格拉斯·埃克 , 巴拉兹·凯格尔 :
声音中的几何体:受图像分类器启发的语音/音乐音频分类器。 国际货币委员会 2005 [第13条] 诺曼·卡萨格兰德 , 道格拉斯·埃克 , 巴拉兹·凯格尔 :
基于AdaBoost的帧级音频特征提取。 ISMIR公司 2005 : 345-350 [电子1] 巴拉兹·凯格尔 , 盖·拉帕尔姆 :
《人工智能进展》,加拿大智能计算研究学会第18届会议,加拿大人工智能2005年,加拿大维多利亚,2005年5月9日至11日,会议记录。 计算机科学课堂讲稿 3501, 施普林格 2005 ,国际标准图书编号 3-540-25864-7 [目录] 2004 [第12条] 巴拉兹·凯格尔 :
中值推进的推广误差和算法收敛性。 NIPS公司 2004 : 657-664 [第11条] 巴拉兹·凯格尔 , 王立根(Ligen Wang) :
流形上的增强:基本分类器的自适应正则化。 NIPS公司 2004 : 665-672 2003 [c10] 巴拉兹·凯格尔 :
通过提高中位数实现稳健回归。 COLT公司 2003 : 258-272 2002 【j4】 安德拉斯·安托斯 , 巴拉兹·凯格尔 , 塔马斯·林德 , 加博尔·卢戈西 :
分类的基于数据相关边距的泛化边界。 J.马赫。 学习。 物件。 三 : 73-98 ( 2002 ) [j3] 巴拉兹·凯格尔 , 亚当·克日扎克 :
使用主曲线的分段线性骨架。 IEEE传输。 模式分析。 机器。 智力。 24 ( 1 ) : 59-74 ( 2002 ) 【c9】 萨拉赫·布克蒂夫 , Houari A.Sahraoui公司 , 巴拉兹·凯格尔 :
组合软件质量预测模型:一种进化方法。 ICSM公司 2002 : 385-392 【c8】 丹妮尔·阿扎尔 , Doina Precup公司 , 萨拉赫·布克蒂夫 , 巴拉兹·凯格尔 , Houari A.Sahraoui公司 :
用遗传算法组合和调整软件质量预测模型。 酶 2002 : 285-288 【c7】 巴拉兹·凯格尔 :
使用包装数的内在尺寸估计。 NIPS公司 2002 : 681-688 2001 [注2] 亚当·克日扎克 , 耶日·萨西亚德克 , 巴拉兹·凯格尔 :
用Hermite级数方法对动态非线性系统进行非参数辨识。 国际J.系统。 科学。 32 ( 10 ) : 1261-1285 ( 2001 ) 【c6】 亚当·克日亚克 , 杰里·萨西亚德克 , 巴拉兹·凯格尔 :
非线性系统的Hermite级数辨识。 疾病预防控制中心 2001 : 2143-2144 【c5】 巴拉兹·凯格尔 , 塔马斯·林德 , 加博尔·卢戈西 :
分类的基于数据的Margin泛化边界。 COLT/欧洲COLT 2001 : 368-384 2000 [j1] 巴拉兹·凯格尔 , 亚当·克日扎克 , 塔马斯·林德 , 肯尼思·泽格 :
学习和设计主曲线。 IEEE传输。 模式分析。 机器。 智力。 22 ( 三 ) : 281-297 ( 2000 ) 【c4】 巴拉兹·凯格尔 , 亚当·克日扎克 , 海因里希·尼曼 :
径向基函数网络与函数学习和分类中的复杂性正则化。 ICPR公司 2000 : 2081-2086 【c3】 巴拉兹·凯格尔 , 亚当·克日扎克 :
使用主曲线的分段线性骨架。 ICPR公司 2000 : 3135-3138
1990 – 1999
1998 【c2】 巴拉兹·凯格尔 , 亚当·克日扎克 , 海因里希·尼曼 :
非参数分类和函数学习中的径向基函数网络。 ICPR公司 1998 : 565-570 【c1】 巴拉兹·凯格尔 , 亚当·克日扎克 , 塔马斯·林德 , 肯尼思·泽格 :
构造主曲线的多边形线算法。 NIPS公司 1998 : 501-507