皮埃尔·阿尔基尔
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 [公元11年] 皮埃尔·阿尔基尔 :
PAC-Bayes Bounds的用户友好介绍。 已找到。 趋势马赫数。 学习。 17 ( 2 ) : 174-303 ( 2024 ) 2023 [第11条] 奥特曼·萨基 , 皮埃尔·阿尔基尔 , 尼古拉斯·肖邦 :
有保证的PAC-Baysian离线上下文盗贼。 ICML公司 2023 : 29777-29799 [i13] 查尔斯·里奥 , 皮埃尔·阿尔基尔 , 巴德·埃丁·切里夫·阿卜杜拉提夫 :
贝叶斯在元层次与伯恩斯坦会面:用PAC-Bayes分析元学习中的快速率。 CoRR公司 abs/2302.11709 ( 2023 ) 2022 [i12] 杰弗里·沃尔弗 , 皮埃尔·阿尔基尔 :
核均值嵌入的方差估计。 CoRR公司 abs/2210.06672 ( 2022 ) [i11] Otmane萨基 , 尼古拉斯·肖邦 , 皮埃尔·阿尔基尔 :
有保证的PAC-Baysian离线上下文盗贼。 CoRR公司 abs/2210.13132 ( 2022 ) 2021 [公元10年] 莱娜·卡雷尔 , 皮埃尔·阿尔基尔 :
通过NMF-EM算法同时进行降维和聚类。 高级数据分析。 分类。 15 ( 1 ) : 231-260 ( 2021 ) [公元9年] 迪米特里·梅尼尔 , 皮埃尔·阿尔基尔 :
学习保证调谐参数的元策略。 熵 23 ( 10 ) : 1257 ( 2021 ) [第10条] 唐丹(Thang Doan) , 梅迪·阿巴纳·本纳尼 , 博格丹·马祖(Bogdan Mazoure) , 纪尧姆·拉布索 , 皮埃尔·阿尔基尔 :
通过NTK重叠矩阵对灾难性遗忘的理论分析。 AISTATS公司 2021 : 1072-1080 【c9】 皮埃尔·阿尔基尔 :
非指数加权聚合:无界损失函数的后悔界。 ICML公司 2021 : 207-218 [i10] 迪米特里·梅尼尔 , 皮埃尔·阿尔基尔 :
保证学习调谐参数的元策略。 CoRR公司 腹肌/2102.02504 ( 2021 ) [第九章] 皮埃尔·阿尔基尔 :
PAC-Bayes边界的用户友好介绍。 CoRR公司 abs/2110.11216 ( 2021 ) 2020 [j8] 皮埃尔·阿尔基尔 :
近似贝叶斯推断。 熵 22 ( 11 ) : 1272 ( 2020 ) [j7] 皮埃尔·阿尔基尔 , 卡琳·贝尔廷 , 保罗·杜坎 , 雷米·卡尼尔 :
具有低阶跃迁的高维VAR。 统计计算。 30 ( 4 ) : 1139-1153 ( 2020 ) [i8] 皮埃尔·阿尔基尔 :
非指数加权加总:无界损失函数的遗憾界。 CoRR公司 abs/2009.03017 ( 2020 ) [i7] 唐丹(Thang Doan) , 迈赫迪·阿巴纳·本纳尼 , 博格丹·马祖(Bogdan Mazoure) , 纪尧姆·拉布索 , 皮埃尔·阿尔基尔 :
通过NTK重叠矩阵对灾难性遗忘的理论分析。 CoRR公司 abs/2010.04003 ( 2020 )
2010 – 2019
2019 [j6] 弗洛里安·梅尔 , 尼亚尔·弗里尔 , 皮埃尔·阿尔基尔 :
知情亚抽样MCMC:大数据集的近似贝叶斯推断。 统计计算。 29 ( 三 ) : 449-482 ( 2019 ) 【c8】 巴德·埃丁·切里夫·阿卜杜拉提夫 , 皮埃尔·阿尔基尔 :
MMD-Bayes:通过最大平均差异进行稳健贝叶斯估计。 AABI公司 2019 : 1-21 【c7】 巴德·埃丁·切里夫·阿卜杜拉提夫 , 皮埃尔·阿尔基尔 , 穆罕默德·埃米提亚兹·汗 :
在线变分推理的推广界限。 ACML公司 2019 : 662-677 [i6] Badr Eddine Chérief Abdelatif先生 , 皮埃尔·阿尔基尔 , 穆罕默德·埃米提亚兹·汗 :
在线变分推理的推广界限。 CoRR公司 abs/1904.03920 ( 2019 ) [i5] 巴德·埃丁·切里夫·阿卜杜拉提夫 , 皮埃尔·阿尔基尔 :
MMD-Bayes:通过最大平均差异进行稳健贝叶斯估计。 CoRR公司 腹肌/190913339 ( 2019 ) [i4] 巴德·埃丁·切里夫·阿卜杜拉提夫 , 皮埃尔·阿尔基尔 :
参数MMD估计的有限样本特性:对错误指定和依赖的鲁棒性。 CoRR公司 abs/1912.05737 ( 2019 ) 2018 [j5] 文森特·科特特 , 皮埃尔·阿尔基尔 :
1位矩阵补全:变分近似的PAC-Baysian分析。 机器。 学习。 107 ( 三 ) : 579-603 ( 2018 ) 【j4】 皮埃尔·阿尔基尔 , 本杰明·盖杰 :
恶意数据的PAC-Baysian边界更简单。 机器。 学习。 107 ( 5 ) : 887-902 ( 2018 ) [i3] 皮埃尔·阿尔基尔 , 保罗·杜坎 , 歇泉扇 :
非平稳马尔可夫链的指数不等式。 CoRR公司 abs/1808.08811 ( 2018 ) 2017 【c6】 皮埃尔·阿尔基尔 , Tien Mai酒店 , 马西米利亚诺·蓬蒂尔 :
后悔终身学习。 AISTATS公司 2017 : 261-269 【c5】 莱娜·卡雷尔 , 皮埃尔·阿尔基尔 :
非负矩阵分解作为旅行者时间剖面聚类的预处理工具。 ESANN公司 2017 [i2] 皮埃尔·阿尔基尔 , 詹姆斯·里奇韦 :
调和后验及其变分近似的集中度。 CoRR公司 abs/1706.09293 ( 2017 ) 2016 [j3] 皮埃尔·阿尔基尔 , 詹姆斯·里奇韦 , 尼古拉斯·肖邦 :
关于吉布斯后验变分近似的性质。 J.马赫。 学习。 物件。 17 : 239:1-239:41 ( 2016 ) [注2] 皮埃尔·阿尔基尔 , 尼亚尔·弗里尔 , 理查德·埃弗里特 , 艾丹·博兰德 :
噪声蒙特卡罗:具有近似转移核的马尔可夫链的收敛性。 统计计算。 26 ( 1-2 ) : 29-47 ( 2016 ) [i1] 皮埃尔·阿尔基尔 , Tien Mai酒店 , 马西米利亚诺·蓬蒂尔 :
后悔终身学习。 CoRR公司 abs/1610.08628 ( 2016 ) 2014 【c4】 詹姆斯·里奇韦 , 皮埃尔·阿尔基尔 , 尼古拉斯·肖邦 , 冯亮 :
PAC-Baysian AUC分类和评分。 NIPS公司 2014 : 658-666 2013 [j1] 皮埃尔·阿尔基尔 , 杰拉德·比亚 :
稀疏单指标模型。 J.马赫。 学习。 物件。 14 ( 1 ) : 243-280 ( 2013 ) 【c3】 皮埃尔·阿尔基尔 :
低秩矩阵估计的贝叶斯方法:简短调查和理论研究。 中高音 2013 : 309-323 2012 【c2】 皮埃尔·阿尔基尔 , 李晓音 :
通过统计学习预测分位数及其在GDP预测中的应用。 发现科学 2012 : 22-36 2010 【c1】 皮埃尔·阿尔基尔 :
一种迭代选择特征块的算法。 中高音 2010 : 35-49
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)