塔里玛·拉赫曼
人员信息
SPARQL查询
优化列表
2020年–今天
2024 [第17条] 希夫拉特·阿里亚 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
概率电路中边际MAP的神经网络逼近器。 AAAI公司 2024 : 10918-10926 [第16条] 希夫拉特·阿里亚 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
学习解决概率图形模型中的约束最可能解释任务。 AISTATS公司 2024 : 2791-2799 [i3] 希夫拉特·阿里亚 , 塔赫里玛·拉赫曼 , Vibhav戈盖特 :
概率电路中边际MAP的神经网络逼近器。 CoRR公司 abs/2402.03621 ( 2024 ) [i2] 希夫拉特·阿里亚 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
学习解决概率图形模型中的约束最可能解释任务。 CoRR公司 abs/2404.11606 ( 2024 ) 2023 [注2] 奇拉迪普·罗伊 , 马哈桑·努拉尼 , 希夫拉特·阿里亚 , 马赫什·桑巴格 , 塔里玛·拉赫曼 , 埃里克·D·拉根 , 尼古拉斯·鲁齐 , Vibhav戈盖特 :
使用深度学习和可追踪概率模型的视频中可解释的活动识别。 ACM事务处理。 互动。 智力。 系统。 13 ( 4 ) : 29:1-29:32 ( 2023 ) 2022 [j1] 马赫桑·努拉尼 , 奇拉迪普·罗伊 , 杰里米·布洛克 , 唐纳德·霍尼卡特 , 塔里玛·拉赫曼 , 埃里克·D·拉根 , Vibhav戈盖特 :
用户背景和印象的重要性:从交互式人工智能应用中吸取的教训。 ACM事务处理。 互动。 智力。 系统。 12 ( 4 ) : 28:1-28:29 ( 2022 ) [第15条] 海良洞 , 奇拉迪普·罗伊 , 塔里玛·拉赫曼 , Vibhav戈盖特 , 尼古拉斯·鲁齐 :
使用神经网络的条件牵引密度估计。 AISTATS公司 2022 : 6933-6946 [第14条] 沙沙金 , Vasundhara Komaragiri公司 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
从不一致局部估计学习可牵引概率模型。 NeurIPS公司 2022 [第13条] 罗希斯·佩迪 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
可处理概率模型的稳健学习。 阿拉伯联合酋长国 2022 : 1572-1581 2021 [第12条] 奇拉迪普·罗伊 , 塔里玛·拉赫曼 , 海良洞 , 尼古拉斯·鲁齐 , Vibhav戈盖特 :
动态割集网络。 AISTATS公司 2021 : 3106-3114 [第11条] 马哈桑·努拉尼 , Chiradeep罗伊 , 杰里米·布洛克 , 唐纳德·霍尼卡特 , 塔里玛·拉赫曼 , 埃里克·D·拉根 , Vibhav戈盖特 :
锚定偏见影响可解释人工智能系统中的心理模型形成和用户信任。 国际单位 2021 : 340-350 [c10] 塔里玛·拉赫曼 , 萨拉·鲁哈尼 , Vibhav戈盖特 :
约束最可能解释任务的新上限。 NeurIPS公司 2021 : 9613-9624 2020 【c9】 马哈桑·努拉尼 , 唐纳德·霍尼卡特 , 杰里米·布洛克 , 奇拉迪普·罗伊 , 塔里玛·拉赫曼 , 埃里克·D·拉根 , Vibhav戈盖特 :
通过交互式视频分析调查第一印象和可解释人工智能的重要性。 CHI扩展摘要 2020 : 1-8 【c8】 萨拉·鲁哈尼 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
图形模型中约束优化的一种新方法。 NeurIPS公司 2020 [i1] 马哈桑·努拉尼 , 奇拉迪普·罗伊 , 塔里玛·拉赫曼 , 埃里克·D·拉根 , 尼古拉斯·鲁齐 , Vibhav戈盖特 :
没有验证准确性就不要解释:用视频活动识别评估可解释的人工智能。 CoRR公司 abs/2005.02335 ( 2020 )
2010 – 2019
2019 【c7】 塔里玛·拉赫曼 , 沙沙金 , Vibhav戈盖特 :
看马,没有潜在变量:通过编译实现精确的割集网络。 ICML公司 2019 : 5311-5320 【c6】 塔里玛·拉赫曼 , 沙沙金 , Vibhav戈盖特 :
割集贝叶斯网络:学习拉奥-布莱克威尔图形模型的一种新表示。 国际JCAI 2019 : 5751-5757 【c5】 Chiradeep罗伊 , 马赫什·桑巴格 , 马哈桑·努拉尼 , 塔里玛·拉赫曼 , 萨米娅·卡比尔 , Vibhav戈盖特 , 尼古拉斯·鲁齐 , 埃里克·D·拉根 :
视频中的可解释活动识别。 IUI研讨会 2019 2018 【c4】 萨拉·鲁哈尼 , 塔里玛·拉赫曼 , Vibhav戈盖特 :
最近分配问题的算法。 国际JCAI 2018 : 5096-5102 2016 【c3】 塔里玛·拉赫曼 , Vibhav戈盖特 :
学习割集网络的集成。 AAAI公司 2016 : 3301-3307 【c2】 塔里玛·拉赫曼 , Vibhav戈盖特 :
和积网络的合并策略:从树到图。 阿拉伯联合酋长国 2016 2014 【c1】 塔里玛·拉赫曼 , Prasanna V.Kothalkar公司 , Vibhav戈盖特 :
割集网络:一种提高Chow-Liu树准确性的简单、可追踪和可扩展方法。 ECML/PKDD(2) 2014 : 630-645