布伦登·M·莱克
人员信息
附属: 美国纽约大学
SPARQL查询
优化列表
2020年–今天
2024 【j4】 A.Emin Orhan , 布伦登·M·莱克 :
从孩子的角度学习高级视觉表征,而不存在强烈的归纳偏见。 Nat.Mac公司。 智力。 6 ( 三 ) : 271-283 ( 2024 ) [i39] A.Emin Orhan , 王文涛 , 亚历克斯·N·王 , 任梦烨 , 布伦登·M·莱克 :
从孩子的角度对视频表现进行自我监督学习。 CoRR公司 abs/2402.00300 ( 2024 ) [i38] 斯里扬·库马尔 , 拉贾·马尔杰 , 拜伦·张 , 德克兰·坎贝尔 , 迈克尔·Y·胡 , 乌芒·巴特 , 布伦登·M·莱克 , 托马斯·L·格里菲斯 :
使用多模态串行复制比较人类抽象和大型语言模型。 CoRR公司 abs/2402.03618 ( 2024 ) [i37] 秦玉露 , 王文涛 , 布伦登·M·莱克 :
对独生子女语言输入可学习性的系统调查。 CoRR公司 abs/2402.07899 ( 2024 ) [公元36年] 周艳丽(Yanli Zhou) , 布伦登·M·莱克 , 阿迪娜·威廉姆斯 :
人类和机器功能的组合学习。 CoRR公司 abs/2403.12201 ( 2024 ) [i35] 瑞恩·蒂恩 , 布伦登·M·莱克 , 任梦烨 :
CoLLEGe:大型语言模型的概念嵌入生成。 CoRR公司 abs/2403.15362 ( 2024 ) [i34] 盖·戴维森 , 格雷厄姆·托德 , 朱利安·托盖利斯 , 托德·古雷基斯(Todd M.Gureckis) , 布伦登·M·莱克 :
目标作为奖励计划。 CoRR公司 abs/2405.13242 ( 2024 ) [i33] 迈克尔·A·勒波里 , Alexa R.Tartaglini(亚历克莎·塔塔格里尼) , Wai Keen Vong公司 , 托马斯·塞雷 , 布伦登·M·莱克 , 埃利·帕夫利克 :
超越感知之门:视觉变形金刚代表了物体之间的关系。 CoRR公司 abs/2406.15955 ( 2024 ) 2023 [j3] 布伦登·M·莱克 , 巴罗尼 :
通过元学习神经网络进行类人系统泛化。 国家。 623 ( 7985 ) : 115-121 ( 2023 ) [i32] A.Emin Orhan , 布伦登·M·莱克 :
一般神经网络能从孩子的视觉体验中学到什么? CoRR公司 abs/2305.15372 ( 2023 ) [i31] 周艳丽(Yanli Zhou) , 鲁本·费曼 , 布伦登·M·莱克 :
视觉概念学习中的成分多样性。 CoRR公司 abs/2305.19374 ( 2023 ) [i30] Alexa R.Tartaglini(亚历克莎·塔塔格里尼) , 谢里丹·费希特 , 迈克尔·A·勒波里 , Wai Keen Vong公司 , 查尔斯·洛夫林 , 布伦登·M·莱克 , 埃利·帕夫利克 :
深度神经网络可以学习可概括的同异视觉关系。 CoRR公司 abs/2310.09612 ( 2023 ) 2022 [注2] Wai Keen Vong公司 , 布伦登·M·莱克 :
基于多模态神经网络的跨情境单词学习。 认知。 科学。 46 ( 4 ) ( 2022 ) [公元45年] 盖·戴维森 , 托德·古雷基斯(Todd M.Gureckis) , 布伦登·M·莱克 :
人类目标生成中的创造力、构图和常识。 CogSci公司 2022 [公元44年] 伊泰·伊扎克 , 库斯图夫·辛哈 , 布伦登·M·莱克 , 阿迪娜·威廉姆斯 , Dieuwke Hupkes公司 :
评估NMT模型中的局部性。 CogSci公司 2022 [公元43年] 劳拉·鲁伊斯 , 布伦登·M·莱克 :
通过模块化和扩充改进系统泛化。 CogSci公司 2022 [公元42年] Alexa R.Tartaglini(亚历克莎·塔塔格里尼) , Wai Keen Vong公司 , 布伦登·M·莱克 :
机器中形状与纹理偏差的发展启发检验。 CogSci公司 2022 [公元41年] Wai Keen Vong公司 , 布伦登·M·莱克 :
通过生成自然语言规则对图像进行分类。 CogSci公司 2022 [i29] Alexa R.Tartaglini(亚历克莎·塔塔格里尼) , Wai Keen Vong公司 , 布伦登·M·莱克 :
机器中形状与纹理偏差的发展启发检验。 CoRR公司 abs/2202.08340 ( 2022 ) [第28条] 劳拉·鲁伊斯 , 布伦登·M·莱克 :
通过模块化和增强改进系统泛化。 CoRR公司 abs/2202.10745 ( 2022 ) 2021 [公元40年] 盖伊·戴维森 , 布伦登·M·莱克 :
通过深度神经网络检查婴儿关系分类。 CogSci公司 2021 [公元39年] 艾斯贾·约翰逊 , Wai Keen Vong公司 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
快速和灵活:抽象推理任务中的人类程序归纳。 CogSci公司 2021 [公元38年] 伊丽莎·科索伊 , 马沙·贝尔伊 , 查理·斯内尔 , 布伦登·M·莱克 , 乔什·特南鲍姆 , 艾莉森·高普尼克 :
Omniglot Jr.挑战; 模型可以实现儿童级的字符生成和分类吗? CogSci公司 2021 [公元37年] 加拉·斯图尼奇 , 卡尼什克·甘地 , 布伦登·M·莱克 , 莫伊拉·迪龙 :
使用婴儿直觉基准(BIB)评估婴儿对代理的推理。 CogSci公司 2021 [公元36年] Alexa R.Tartaglini(亚历克莎·塔塔格里尼) , Wai Keen Vong公司 , 布伦登·M·莱克 :
基于像素的人工类别学习建模:使用深度神经网络重温Shepard、Hovland和Jenkins(1961)。 CogSci公司 2021 [公元35年] 王紫云 , 布伦登·M·莱克 :
使用神经程序生成对问题进行建模。 CogSci公司 2021 [公元34年] 鲁本·费曼 , 布伦登·M·莱克 :
使用生成神经符号建模学习任务一般表示。 ICLR公司 2021 [公元33年] 罗摩克里希纳·维丹塔姆 , 亚瑟·斯拉姆 , 马克西米利安镍合金 , 阿里·莫科斯 , 布伦登·M·莱克 :
CURI:不确定性下生产性概念学习的基准。 ICML公司 2021 : 10519-10529 [公元32年] 卡尼什克·甘地 , 加拉·斯图尼奇 , 布伦登·M·莱克 , 莫伊拉·迪龙 :
婴儿直觉基准(BIB):辨别他人的目标、偏好和行为。 NeurIPS公司 2021 : 9963-9976 [公元31年] 麦克斯韦尔·奈伊 , 迈克尔·亨利·特斯勒 , 约书亚·B·特南鲍姆 , 布伦登·M·莱克 :
利用双系统、神经符号推理提高神经序列模型的一致性和一致性。 NeurIPS公司 2021 : 25192-25204 [i27] 卡尼什克·甘地 , 加拉·斯图尼奇 , 布伦登·M·莱克 , 莫伊拉·迪龙 :
婴儿直觉基准(BIB):辨别他人的目标、偏好和行为。 CoRR公司 abs/2102.11938 ( 2021 ) [i26] 艾斯贾·约翰逊 , Wai Keen Vong公司 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
快速和灵活:抽象推理任务中的人类程序归纳。 CoRR公司 abs/2103.05823 ( 2021 ) [i25] 周艳丽(Yanli Zhou) , 布伦登·M·莱克 :
结构化视觉概念的灵活组合学习。 CoRR公司 abs/2105.09848 ( 2021 ) [i24] 麦克斯韦·I.奈 , 迈克尔·亨利·特斯勒 , 约书亚·B·特南鲍姆 , 布伦登·M·莱克 :
利用对偶系统、神经符号推理提高神经序列模型的一致性和一致性。 CoRR公司 abs/2107.02794 ( 2021 ) 2020 [公元30年] 盖·戴维森 , 布伦登·M·莱克 :
研究无模型深度强化学习中的简单对象表示。 CogSci公司 2020 [公元29年] 鲁本·费曼 , 布伦登·M·莱克 :
使用混合神经符号模型生成新概念。 CogSci公司 2020 [公元28年] 阿里汉·贾恩 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
扩展Rogers和McClelland语义认知模型(2003),以处理原始像素信息。 CogSci公司 2020 [公元27年] Wai Keen Vong公司 , 布伦登·M·莱克 :
从原始输入中学习单词引用映射和概念。 CogSci公司 2020 [公元26年] 卡尼什克·甘地 , 布伦登·M·莱克 :
互斥性是深层神经网络面临的挑战。 NeurIPS公司 2020 [公元25年] 麦克斯韦·I.奈 , 阿曼多·索拉勒扎马 , 乔什·特南鲍姆 , 布伦登·M·莱克 :
通过神经程序合成学习合成规则。 NeurIPS公司 2020 [公元24年] A.Emin Orhan , Vaibhav V.古普塔 , 布伦登·M·莱克 :
通过孩子的眼睛进行自我监督学习。 NeurIPS公司 2020 【c23】 劳拉·鲁伊斯 , 雅各布·安德烈亚斯 , 巴罗尼 , 黛安·布查考特(Diane Bouchacourt) , 布伦登·M·莱克 :
基础语言理解中系统概括的基准。 NeurIPS公司 2020 [第23条] 盖·戴维森 , 布伦登·M·莱克 :
研究无模型深度强化学习中的简单对象表示。 CoRR公司 abs/2002.06703 ( 2020 ) [i22] 劳拉·鲁伊斯 , 雅各布·安德烈亚斯 , 巴罗尼 , 黛安·布查考特(Diane Bouchacourt) , 布伦登·M·莱克 :
基础语言理解中系统概括的基准。 CoRR公司 abs/2003.05161 ( 2020 ) 【i21】 麦克斯韦尔·奈伊 , 阿曼多·索拉勒扎马 , 约书亚·B·特南鲍姆 , 布伦登·M·莱克 :
通过神经程序合成学习合成规则。 CoRR公司 abs/2003.05562 ( 2020 ) [i20] Wai Keen Vong公司 , 布伦登·M·莱克 :
从原始输入中学习单词引用映射和概念。 CoRR公司 abs/2003.05573 ( 2020 ) [i19] 鲁本·费曼 , 布伦登·M·莱克 :
使用混合神经符号模型生成新概念。 CoRR公司 abs/2003.08978 ( 2020 ) [i18] 鲁本·费曼 , 布伦登·M·莱克 :
使用生成神经符号建模学习任务一般表示。 CoRR公司 abs/2006.14448 ( 2020 ) [i17] A.Emin Orhan , 瓦比哈夫·古普塔 , 布伦登·M·莱克 :
通过孩子的眼睛进行自我监督学习。 CoRR公司 abs/2007.16189 ( 2020 ) [i16] 布伦登·M·莱克 , 格雷戈里·墨菲 :
大脑和机器中的词义。 CoRR公司 abs/2008.01766 ( 2020 ) 【i15】 罗摩克里希纳·维丹塔姆 , 亚瑟·斯拉姆 , 马克西米利安镍合金 , 阿里·莫科斯 , 布伦登·M·莱克 :
CURI:不确定性下生产性概念学习的基准。 CoRR公司 abs/2010.02855 ( 2020 )
2010 – 2019
2019 [公元22年] 布伦登·M·莱克 , 塔尔·林岑 , 巴罗尼 :
人类对作曲指令的学习很少。 CogSci公司 2019 : 611-617 【c21】 安塞尔姆·罗特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
提出以目标为导向的问题并从答案中学习。 CogSci公司 2019 : 981-986 [公元20年] 鲁本·费曼 , 布伦登·M·莱克 :
学习卷积神经网络的光滑核正则化子。 CogSci公司 2019 : 1710-1716 [第19条] 布伦登·M·莱克 :
通过元序列到序列学习进行合成概括。 NeurIPS公司 2019 : 9788-9798 [第14条] 布伦登·M·莱克 , 塔尔·林岑 , 巴罗尼 :
人类对作曲指令的学习很少。 CoRR公司 abs/1901.04587 ( 2019 ) [i13] 布伦登·M·莱克 , 鲁斯兰·萨拉库丁诺夫 , 约书亚·B·特南鲍姆 :
Omniglot挑战:三年进展报告。 CoRR公司 abs/1902.03477 ( 2019 ) [i12] 鲁本·费曼 , 布伦登·M·莱克 :
学习卷积神经网络的光滑核正则化子。 CoRR公司 abs/1903.01882 ( 2019 ) [i11] 布伦登·M·莱克 , 史蒂文·皮安塔多西 :
人们从几个例子中推断出递归的视觉概念。 CoRR公司 abs/1904.08034 ( 2019 ) [i10] 布伦登·M·莱克 :
通过元序列到序列学习进行合成概括。 CoRR公司 abs/1906.05381 ( 2019 ) [第九章] A.Emin Orhan , 布伦登·M·莱克 :
使用人类视觉认知元素提高ImageNet分类器的鲁棒性。 CoRR公司 abs/1906.08416 ( 2019 ) [i8] 卡尼什克·甘地 , 布伦登·M·莱克 :
互斥性是神经网络面临的挑战。 CoRR公司 abs/1906.10197 ( 2019 ) [i7] 王紫云 , 布伦登·M·莱克 :
使用神经程序生成对问题进行建模。 CoRR公司 abs/1907.09899 ( 2019 ) 2018 [第18条] 鲁本·费曼 , 布伦登·M·莱克 :
用简单神经网络学习归纳偏差。 CogSci公司 2018 [第17条] 乔·劳拉 , 巴罗尼 , 布伦登·M·莱克 :
重排熟悉的:在递归网络中测试合成泛化。 黑匣子NLP@EMNLP 2018 : 108-114 [第16条] 布伦登·M·莱克 , 巴罗尼 :
没有系统性的泛化:关于序列对序列递归网络的构成技巧。 ICML公司 2018 : 2879-2888 [i6] 鲁本·费曼 , 布伦登·M·莱克 :
用简单神经网络学习归纳偏差。 CoRR公司 abs/1802.02745 ( 2018 ) [i5] 乔·劳拉 , 巴罗尼 , 布伦登·M·莱克 :
重排熟悉的:在递归网络中测试合成泛化。 CoRR公司 abs/1807.07545 ( 2018 ) 2017 [第15条] 伊丽莎·科索伊 , 布伦登·M·莱克 , 乔什·特南鲍姆 :
儿童的一拍学习和分类。 CogSci公司 2017 [第14条] 安塞尔姆·罗特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
制造一台能够提出有趣且信息丰富的问题的机器的进展。 CogSci公司 2017 [第13条] 安塞尔姆·罗特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
作为程序生成的提问。 NIPS公司 2017 : 1046-1055 [i4] 布伦登·M·莱克 , 巴罗尼 :
这些年来仍然没有系统化:关于序列到序列递归网络的合成技巧。 CoRR公司 abs/1711.00350 ( 2017 ) [i3] 安塞尔姆·罗特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
作为程序生成的提问。 CoRR公司 abs/1711.06351 ( 2017 ) 2016 [第12条] 亚历山大·科恩 , 布伦登·M·莱克 :
通过提问来搜索大的假设空间。 CogSci公司 2016 [c11] 安塞尔姆·罗特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
提出并评估自然语言问题。 CogSci公司 2016 [i2] 布伦登·M·莱克 , 托默·D·厄尔曼 , 约书亚·B·特南鲍姆 , 塞缪尔·杰什曼 :
建造像人一样学习和思考的机器。 CoRR公司 abs/1604.00289 ( 2016 ) [i1] 布伦登·M·莱克 , 尼尔·D·劳伦斯 , 约书亚·B·特南鲍姆 :
概念表征中组织结构的出现。 CoRR公司 abs/1611.09384 ( 2016 ) 2015 [第10条] 布伦登·M·莱克 , Wojciech Zaremba公司 , 罗布·弗格斯 , Todd M.Gureckis先生 :
深度神经网络预测图像的类别典型性评级。 CogSci公司 2015 【c9】 安塞尔姆·罗特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
提出有用的问题:通过丰富的查询进行主动学习。 CogSci公司 2015 【c8】 马修·蒙福特 , 布伦登·M·莱克 , 布莱恩·齐巴特 , 帕特里克·卢西 , 约书亚·B·特南鲍姆 :
Softstar:启发式概率推理。 NIPS公司 2015 : 2764-2772 2014 【c7】 帕特里夏·安吉·陈 , 道格拉斯·马坎特 , 布伦登·M·莱克 , 托德·古雷基斯(Todd M.Gureckis) :
适应性教学:通过假设相关的训练数据选择来提高学习效率。 CogSci公司 2014 【c6】 布伦登·M·莱克 , 李嘉英 , 詹姆斯·格拉斯 , 约书亚·B·特南鲍姆 :
生成性言语概念的一次性学习。 CogSci公司 2014 【c5】 布伦登·M·莱克 , 乔什·特南鲍姆 :
计算创造力:使用分层贝叶斯模型生成新对象。 CogSci公司 2014 2013 【c4】 布伦登·M·莱克 , 鲁斯兰·萨拉库丁诺夫 , 约书亚·B·特南鲍姆 :
通过倒置合成因果过程进行一拍学习。 NIPS公司 2013 : 2526-2534 2012 【c3】 布伦登·M·莱克 , 鲁斯兰·萨拉库丁诺夫 , 约书亚·B·特南鲍姆 :
概念学习作为运动项目归纳:一项大规模实证研究。 CogSci公司 2012 2011 【c2】 布伦登·M·莱克 , 詹姆斯·麦克莱兰 :
在半监督学习过程中估计未标记信息的强度。 CogSci公司 2011 【c1】 布伦登·M·莱克 , 鲁斯兰·萨拉库丁诺夫 , 杰森·格罗斯 , 约书亚·B·特南鲍姆 :
简单视觉概念的一次性学习。 CogSci公司 2011
2000 – 2009
2009 [j1] 布伦登·M·莱克 , Gautam K.Vallabha公司 , 詹姆斯·麦克莱兰 :
无监督感知类别学习建模。 IEEE传输。 自动。 门。 开发。 1 ( 1 ) : 35-43 ( 2009 )