马修·布隆德尔
人员信息
优化列表
2020年–今天
2024 [公元36年] 刘天林 , 马修·布隆德尔 , 卡洛斯·里克尔梅 , 琼·普格塞弗 :
专家混合视野中的路由器:一项实证研究。 CoRR公司 abs/2401.15969 ( 2024 ) [i35] 刘天林 , 郭尚敏 , 莱昂纳多·比安科 , 丹尼尔·卡兰德里洛 , 昆汀·贝歇(Quentin Berthet) , 菲利佩·利纳雷斯 , 杰西卡·霍夫曼 , 卢卡斯·狄克逊 , 米查尔·瓦尔科 , 马修·布隆德尔 :
语言模型的解码时间重新调整。 CoRR公司 abs/2402.02992 ( 2024 ) [i34] 郭尚敏 , 张彪 , 刘天林 , 刘天奇 , 米沙·卡尔曼 , 菲利佩·利纳雷斯 , 亚历山大·拉梅 , 托马斯·梅斯纳德 , 姚钊 , 比拉尔·皮奥特 , 约翰·费雷特 , 马修·布隆德尔 :
在线人工智能反馈的直接语言模型校准。 CoRR公司 abs/2402.04792 ( 2024 ) [i33] 皮埃尔·马里翁 , 安娜·科尔巴 , 彼得·巴特利特 , 马修·布隆德尔 , 瓦伦丁·德·波托利 , 阿诺·杜塞特 , 费利佩·利纳雷斯-洛佩斯 , 考特尼·帕奎特 , 昆汀·贝歇(Quentin Berthet) :
隐式扩散:通过随机抽样进行有效优化。 CoRR公司 abs/2402.05468 ( 2024 ) [i32] 迈克尔·桑德 , 拉贾·吉瑞斯 , 铃木太极 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
变形金刚是如何进行上下文自回归学习的? CoRR公司 abs/2402.05787 ( 2024 ) [i31] 马修·布隆德尔 , 文森特·鲁莱特 :
可微程序设计的要素。 CoRR公司 abs/2403.14606 ( 2024 ) [i30] 塞塔·拉科托曼迪姆比 , Jean-Philippe Chancelier公司 , 米歇尔·德拉拉 , 马修·布隆德尔 :
与Fitzpatrick Losses一起学习。 CoRR公司 abs/2405.14574 ( 2024 ) 2023 [公元32年] 刘天林 , 琼·普格塞弗 , 马修·布隆德尔 :
稀疏约束最优运输。 ICLR公司 2023 [公元31年] 迈克尔·埃利·桑德 , 琼·普格塞弗 , 乔西普·乔隆加 , 加布里埃尔·佩雷 , 马修·布隆德尔 :
快速、可微和稀疏Top-k:凸分析视角。 ICML公司 2023 : 29919-29936 [i29] 迈克尔·桑德 , 琼·普格塞弗 , 约西普·乔隆加 , 加布里埃尔·佩雷 , 马修·布隆德尔 :
快速、可微和稀疏Top-k:凸分析视角。 CoRR公司 abs/2302.01425 ( 2023 ) [第28条] 文森特·鲁莱特 , 马修·布隆德尔 :
双重高斯-纽顿深度学习方向。 CoRR公司 abs/2308.08886 ( 2023 ) 2022 [j7] 昆汀·贝特朗 , 昆汀·克洛芬斯坦 , 马图林·马西亚斯 , 马修·布隆德尔 , 塞缪尔·维特 , 亚历山大·格兰福特 , 约瑟夫·萨尔蒙 :
非光滑凸学习中快速超参数选择的隐式微分法。 J.马赫。 学习。 物件。 23 : 149:1-149:43 ( 2022 ) [j6] 安德烈·F·T·马丁斯 , 马科斯·V·特雷维索 , 安东尼奥·法林哈斯 , 佩德罗·M·Q·阿奎尔 , 马里奥·A·T·菲格雷多 , 马修·布隆德尔 , 弗拉德·尼库莱 :
稀疏连续分布和Fenchel-Young损失。 J.马赫。 学习。 物件。 23 : 257:1-257:74 ( 2022 ) [公元30年] 迈克尔·桑德 , 皮埃尔·阿布林 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
沉沦者:双重随机关注的变形金刚。 AISTATS公司 2022 : 3515-3530 [公元29年] 马修·布隆德尔 , 昆汀·贝歇(Quentin Berthet) , 马可·库图里 , 罗伊·弗罗斯蒂格 , 斯蒂芬·霍耶 , 费利佩·利纳雷斯-洛佩斯 , 费比安·佩德雷戈萨 , 垂直Jean-Philippe :
高效和模块化隐式差分。 NeurIPS公司 2022 [公元28年] 马修·布隆德尔 , 费利佩·利纳雷斯-洛佩斯 , 罗伯特·达达西 , 莱昂纳德·侯赛诺 , 马蒂厄·盖斯特 :
具有广义Fenchel-Young损失的学习能量网络。 NeurIPS公司 2022 [i27] 罗伯特·M·高尔 , 马修·布隆德尔 , Nidham Gazagnadou公司 , 费比安·佩德雷戈萨 :
使用自适应Polyak步长为SGD切割一些间隙。 CoRR公司 abs/2202.12328 ( 2022 ) [i26] 马修·布隆德尔 , 费利佩·利纳雷斯-洛佩斯 , 罗伯特·达达西 , 莱昂纳德·侯赛诺 , 马蒂厄·盖斯特 :
具有广义Fenchel-Young损失的学习能量网络。 CoRR公司 abs/2205.09589 ( 2022 ) [i25] 刘天林 , 琼·普格塞弗 , 马修·布隆德尔 :
稀疏约束最优运输。 CoRR公司 abs/2209.15466 ( 2022 ) 2021 [j5] 安德鲁·N·卡尔 , 昆汀·贝歇(Quentin Berthet) , 马修·布隆德尔 , 奥利维尔·特布尔 , 尼尔·齐多尔 :
基于不同等级排列的音频表征的自我监督学习。 IEEE信号处理。 莱特。 28 : 708-712 ( 2021 ) [公元27年] 马修·布隆德尔 , 阿瑟·门施 , 垂直Jean-Philippe :
时间序列之间的差异。 AISTATS公司 2021 : 3853-3861 [公元26年] 迈克尔·桑德 , 皮埃尔·阿布林 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
动量剩余神经网络。 ICML公司 2021 : 9276-9287 【i24】 迈克尔·桑德 , 皮埃尔·阿布林 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
动量残差神经网络。 CoRR公司 abs/2102.07870 ( 2021 ) [第23条] 安德鲁·卡尔 , 昆汀·贝歇(Quentin Berthet) , 马修·布隆德尔 , 奥利维尔·特布尔 , 尼尔·齐多尔 :
基于不同等级排列的音频表征的自我监督学习。 CoRR公司 腹肌/2103.09879 ( 2021 ) [i22] 昆汀·贝特朗 , 昆汀·克洛芬斯坦 , 马图林·马西亚斯 , 马修·布隆德尔 , 塞缪尔·维特 , 亚历山大·格兰福特 , 约瑟夫·萨尔蒙 :
非光滑凸学习中快速超参数选择的隐式微分法。 CoRR公司 腹肌/2105.01637 ( 2021 ) 【i21】 马蒂厄·布隆德尔 , 昆汀·贝歇(Quentin Berthet) , 马可·库图里 , 罗伊·弗罗斯蒂格 , 斯蒂芬·霍耶 , 费利佩·利纳雷斯-洛佩斯 , 费比安·佩德雷戈萨 , 垂直Jean-Philippe :
高效和模块化隐式差分。 CoRR公司 abs/2105.15183 ( 2021 ) [i20] 安德烈·F·T·马丁斯 , 马科斯·V·特雷维索 , 安东尼奥·法利尼亚斯 , 佩德罗·M·Q·阿奎尔 , 马里奥·A·T·菲格雷多 , 马修·布隆德尔 , 弗拉德·尼库莱 :
稀疏连续分布和Fenchel-Young损失。 CoRR公司 abs/2108.01988 ( 2021 ) [i19] 迈克尔·桑德 , 皮埃尔·阿布林 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
沉沦者:双重随机关注的变形金刚。 CoRR公司 abs/2110.11773 ( 2021 ) 2020 【j4】 马修·布隆德尔 , 安德烈·F·T·马丁斯 , 弗拉德·尼库莱 :
与Fenchel-Young一起学习失败。 J.马赫。 学习。 物件。 21 : 35:1-35:69 ( 2020 ) [公元25年] 昆汀·贝特朗 , 昆汀·克洛芬斯坦 , 马修·布隆德尔 , 塞缪尔·维特 , 亚历山大·格兰福特 , 约瑟夫·萨尔蒙 :
超参数优化的Lasso型模型的隐式微分。 ICML公司 2020 : 810-821 [公元24年] 马蒂厄·布隆德尔 , 奥利维尔·特布尔 , 昆汀·贝歇(Quentin Berthet) , 约西普·乔隆加 :
快速差异排序和排序。 ICML公司 2020 : 950-959 【c23】 昆汀·贝歇(Quentin Berthet) , 马修·布隆德尔 , 奥利维尔·特布尔 , 马可·库图里 , 垂直Jean-Philippe , 弗朗西斯·巴赫 :
使用可微微扰优化器学习。 NeurIPS公司 2020 [i18] 昆汀·贝歇(Quentin Berthet) , 马修·布隆德尔 , 奥利维尔·特布尔 , 马可·库图里 , 垂直Jean-Philippe , 弗朗西斯·巴赫 :
用可微扰动优化器学习。 CoRR公司 abs/2002.08676 ( 2020 ) [i17] 马修·布隆德尔 , 奥利维尔·特布尔 , 昆汀·贝歇(Quentin Berthet) , 约西普·乔隆加 :
快速差异排序和排序。 CoRR公司 abs/2002.08871 ( 2020 ) [i16] 昆汀·贝特朗 , 昆汀·克洛芬斯坦 , 马蒂厄·布隆德尔 , 塞缪尔·维特 , 亚历山大·格兰福特 , 约瑟夫·萨尔蒙 :
超参数优化的Lasso型模型的隐式微分。 CoRR公司 abs/2002.08943 ( 2020 ) 【i15】 马修·布隆德尔 , 阿瑟·门施 , 垂直Jean-Philippe :
时间序列之间的差异。 CoRR公司 2010年8月354日 ( 2020 )
2010 – 2019
2019 [公元22年] 马蒂厄·布隆德尔 , 安德烈·F·T·马丁斯 , 弗拉德·尼库莱 :
带Fenchel-Young损失的分类器学习:广义熵、边距和算法。 AISTATS公司 2019 : 606-615 【c21】 阿瑟·门施 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
分配学习的几何损失。 ICML公司 2019 : 4516-4525 [公元20年] 马修·布隆德尔 :
用投影预言器进行结构化预测。 NeurIPS公司 2019 : 12145-12156 [第14条] 马蒂厄·布隆德尔 , 安德烈·F·T·马丁斯 , 弗拉德·尼库拉 :
与Fenchel-Young Losses一起学习。 CoRR公司 abs/1901.02324 ( 2019 ) [i13] 阿瑟·门施 , 马修·布隆德尔 , 加布里埃尔·佩雷 :
分配学习的几何损失。 CoRR公司 abs/1905.06005 ( 2019 ) [i12] 马修·布隆德尔 :
用投影预言器进行结构化预测。 CoRR公司 abs/1910.11369 ( 2019 ) 2018 [j3] 安托万角色 , 费维安·塞古伊 , 马修·布隆德尔 , 泽田洋史 :
最优传输非负矩阵分解盲源分离。 EURASIP J.高级信号处理。 2018 : 53 ( 2018 ) [第19条] 马修·布隆德尔 , 薇薇安·塞古伊 , 安托万角色 :
平稳和稀疏的最佳运输。 AISTATS公司 2018 : 880-889 [第18条] 费维安·塞古伊 , Bharath Bhushan Damodaran修道院 , 雷米火焰 , 尼古拉斯·科蒂 , 安托万角色 , 马修·布隆德尔 :
大规模最优运输和测绘估算。 ICLR(海报) 2018 [第17条] 阿瑟·门施 , 马修·布隆德尔 :
结构化预测和注意的可微动态规划。 ICML公司 2018 : 3459-3468 [第16条] 弗拉德·尼库莱 , 安德烈·F·T·马丁斯 , 马蒂厄·布隆德尔 , 克莱尔·卡迪 :
稀疏映射:可微稀疏结构推理。 ICML公司 2018 : 3796-3805 [i11] 阿瑟·门施 , 马修·布隆德尔 :
结构化预测和注意的可微动态规划。 CoRR公司 abs/1802.03676 ( 2018 ) [i10] 弗拉德·尼库拉 , 安德烈·马丁斯 , 马修·布隆德尔 , 克莱尔·卡迪 :
稀疏映射:可微稀疏结构推理。 CoRR公司 abs/1802.04223 ( 2018 ) [第九章] 安托万角色 , 费维安·塞古伊 , 马修·布隆德尔 , 泽田洋史 :
基于最优传输非负矩阵分解的盲源分离。 CoRR公司 abs/1802.05429 ( 2018 ) [i8] 马修·布隆德尔 , 安德烈·F·T·马丁斯 , 弗拉德·尼库莱 :
带Fenchel-Young损失的分类器学习:广义熵、边距和算法。 CoRR公司 abs/1805.09717 ( 2018 ) 2017 [第15条] 马可·库图里 , 马修·布隆德尔 :
Soft-DTW:时间序列的可微损失函数。 ICML公司 2017 : 894-903 [第14条] 藤原康弘 , 直木·马鲁莫(Naoki Marumo) , 马修·布隆德尔 , 高武内(Koh Takeuchi) , Hideaki Kim先生 , 岩田聪 , 内奥诺里·尤达 :
基于SVD的图形套索筛选。 国际JCAI 2017 : 1682-1688 [第13条] 弗拉德·尼库拉 , 马修·布隆德尔 :
稀疏和结构化神经注意的规则化框架。 NIPS公司 2017 : 3338-3348 [第12条] 马修·布隆德尔 , 弗拉德·尼库莱 , 大冢隆一 , 内奥诺里·尤达 :
多输出多项式网络和因式分解机。 NIPS公司 2017 : 3349-3359 [第11条] 藤原康弘 , 直木·马鲁莫(Naoki Marumo) , 马修·布隆德尔 , 高武内(Koh Takeuchi) , Hideaki Kim先生 , 岩田聪 , 内奥诺里·尤达 :
缩放局部线性嵌入。 SIGMOD会议 2017 : 1479-1492 [i7] 马修·布隆德尔 , 弗拉德·尼库莱 , 大冢隆一 , 内奥诺里·尤达 :
多输出多项式网络和因式分解机。 CoRR公司 abs/1705.07603 ( 2017 ) [i6] 弗拉德·尼库莱 , 马修·布隆德尔 :
稀疏和结构化神经注意的规则化框架。 CoRR公司 abs/1705.07704 ( 2017 ) [i5] 马修·布隆德尔 , 费维安·塞古伊 , 安托万·罗雷特 :
平稳和稀疏的最佳运输。 CoRR公司 abs/1710.06276 ( 2017 ) 2016 [第10条] 马修·布隆德尔 , 石原正男 , 藤野明彦 , 内奥诺里·尤达 :
多项式网络和因式分解机器:新的见解和有效的训练算法。 ICML公司 2016 : 850-858 【c9】 马修·布隆德尔 , 藤野明彦 , 内奥诺里·尤达 , 石原正男 :
高阶因子分解机。 NIPS公司 2016 : 3351-3359 [i4] 马修·布隆德尔 , 藤野明彦 , 内奥诺里·尤达 , 石原正男 :
高阶因子分解机。 CoRR公司 abs/1607.07195 ( 2016 ) [i3] 马修·布隆德尔 , 石原正男 , 藤野明彦 , 内奥诺里·尤达 :
多项式网络和因式分解机器:新的见解和有效的训练算法。 CoRR公司 腹肌/1607.08810 ( 2016 ) 2015 【c8】 Yukino巴布 , Hisashi鹿岛 , 野原雅昭 , Eiko Kai先生 , Partha Pratim Ghosh公司 , 拉菲克·伊斯兰·马鲁夫 , 阿希尔·艾哈迈德 , 黑田正弘 , 井上佐三 , 平松达雄 , 木村美雄 , 清水树治 , 小林久久(Kunihisa Kobayashi) , Koji Tsuda公司 , 杉山正树 , 马修·布隆德尔 , 内奥诺里·尤达 , 吉苏加瓦(Masaru Kitsuregawa) , 中岛直树 :
发展中国家低成本预防医学项目的预测方法。 KDD公司 2015 : 1681-1690 【c7】 马修·布隆德尔 , 藤野明彦 , 内奥诺里·尤达 :
凸因子分解机。 ECML/PKDD(2) 2015 : 19-35 2014 【c6】 马修·布隆德尔 , 尤塔罗·库博 , 内奥诺里·尤达 :
非负矩阵分解与完备的在线被动攻击算法。 AISTATS公司 2014 : 96-104 【c5】 马修·布隆德尔 , 藤野明彦 , 内奥诺里·尤达 :
基于单纯形欧氏投影的大尺度多类支持向量机训练。 ICPR公司 2014 : 1289-1294 2013 [注2] 马蒂厄·布隆德尔 , Kazuhiro Seki先生 , Kuniaki Uehara公司 :
大规模稀疏多类分类的块坐标下降算法。 机器。 学习。 93 ( 1 ) : 31-52 ( 2013 ) 【c4】 马修·布隆德尔 , 濑木和弘 , Kuniaki Uehara公司 :
使用L1正则化学习具有稀疏性约束的非线性分类器。 囊 2013 : 167-169 [i2] 拉尔斯·别丁克 , 吉尔斯·卢佩 , 马修·布隆德尔 , 费比安·佩德雷戈萨 , 安德烈亚斯·穆勒 , 奥利维尔·格里塞尔 , 弗拉德·尼库莱 , 彼得·普雷滕霍弗 , 亚历山大·格兰福特 , 杰克·格罗布勒 , 罗伯特·莱顿 , 杰克·范德普拉斯 , 阿诺·乔利 , 布莱恩·霍尔特 , 加勒·瓦罗佐 :
机器学习软件的API设计:来自scikit-learn项目的经验。 CoRR公司 abs/1309.0238 ( 2013 ) 2012 [i1] 费比安·佩德雷戈萨 , 加勒·瓦罗佐 , 亚历山大·格兰福特 , 文森特·米歇尔 , 贝特朗·蒂里昂 , 奥利维尔·格里塞尔 , 马修·布隆德尔 , 彼得·普雷滕霍弗 , 罗恩·韦斯 , 文森特·杜堡 , 杰克·范德普拉斯 , 亚历山大·帕索斯 , 大卫·库纳波 , 马蒂厄·布鲁彻 , 马蒂厄·佩罗 , 爱德华公爵夫人 :
Scikit-learn:Python中的机器学习。 CoRR公司 abs/1201.0490 ( 2012 ) 2011 [j1] 费比安·佩德雷戈萨 , 加勒·瓦罗佐 , 亚历山大·格兰福特 , 文森特·米歇尔 , 贝特朗·蒂里昂 , 奥利维尔·格里塞尔 , 马蒂厄·布隆德尔 , 彼得·普雷滕霍弗 , 罗恩·韦斯 , 文森特·杜堡 , 杰克·范德普拉斯 , 亚历山大·帕索斯 , 大卫·库纳波 , 马蒂厄·布鲁彻 , 马蒂厄·佩罗 , 爱德华公爵夫人 :
Scikit-learn:Python中的机器学习。 J.马赫。 学习。 物件。 12 : 2825-2830 ( 2011 ) 【c3】 马修·布隆德尔 , 濑木和弘 , 上原久尼亚木 :
语义核在基于文献的基因功能注释中的应用。 发现科学 2011 : 61-75 【c2】 马修·布隆德尔 , Kazuhiro Seki先生 , Kuniaki Uehara公司 :
解决基于文献的基因功能注释中的类不平衡和数据稀缺。 SIGIR公司 2011 : 1123-1124 2010 【c1】 马修·布隆德尔 , Kazuhiro Seki先生 , Kuniaki Uehara公司 :
在线汉字手写识别中笔画标记的无监督学习。 ICPR公司 2010 : 1973-1976