塞斯·弗拉克斯曼
人员信息
附属: 英国伦敦帝国理工学院数学系 附属: 英国牛津大学统计系 附属: 美国宾夕法尼亚州匹兹堡卡内基梅隆大学机器学习系
SPARQL查询
优化列表
2020年–今天
2024 [公元10年] 亚历山大·特列宁 , 大卫·R·伯特 , 阿特姆·阿特梅夫 , 塞斯·弗拉克斯曼 , 马克·范德威尔克 , 卡尔·爱德华·拉斯穆森 , Hong Ge公司 :
基于覆盖树最小分离的数值稳定稀疏高斯过程。 J.马赫。 学习。 物件。 25 : 26:1-26:36 ( 2024 ) [第15条] Elizaveta塞梅诺娃 , 斯瓦尼尔·米什拉 , 萨米尔巴特 , 塞斯·弗拉克斯曼 , H.朱丽叶T.安文 :
深度学习和MCMC与aggVAE一起改变行政边界:绘制肯尼亚疟疾流行图。 Epi UAI公司 2024 : 13-27 【i21】 马克昆达·夏尔马 , 范扬 , Duy-Nhat Vo公司 , 埃斯拉·苏埃尔 , 斯瓦尼尔·米什拉 , 萨米尔巴特 , 奥利弗·菲亚拉 , 威廉·鲁德加德 , 塞斯·弗拉克斯曼 :
KidSat:卫星图像,用于绘制儿童贫困数据集和基准。 CoRR公司 腹肌/2407.05986 ( 2024 ) 2023 [公元9年] 斯塔马蒂娜·兰普里纳库 , 毛里西奥·巴拉奥纳 , 塞斯·弗拉克斯曼 , 莎拉·菲利皮 , 阿克塞尔·甘地 , 艾玛·J·麦考伊 :
基于BART的泊松过程推理。 计算。 统计数据分析。 180 : 107658 ( 2023 ) [j8] 塞尼亚·米斯库里杜 , 萨米尔巴特 , 乔治·莫勒 , 塞斯·弗拉克斯曼 , 斯瓦尼尔·米什拉 :
Cox-Hawkes:双重随机时空泊松过程。 事务处理。 机器。 学习。 物件。 2023 ( 2023 ) [第14条] 乔瓦尼·查尔斯 , 蒂莫西·沃洛克 , 彼得·温斯基尔 , 阿兹拉·加尼 , 萨米尔巴特 , 塞斯·弗拉克斯曼 :
流行病学模型的Seq2Seq替代物促进贝叶斯推断。 AAAI公司 2023 : 14170-14177 [i20] 伊丽莎维塔·塞门诺娃 , 马克斯·凯恩·利明 , 塞斯·弗拉克斯曼 :
PriorCVAE:利用贝叶斯深度生成模型进行可扩展MCMC参数推断。 CoRR公司 abs/2304.04307 ( 2023 ) [i19] 伊丽莎维塔·塞门诺娃 , 斯瓦尼尔·米什拉 , 萨米尔巴特 , 塞斯·弗拉克斯曼 , H.朱丽叶T.安文 :
深度学习和MCMC与aggVAE一起改变行政边界:绘制肯尼亚疟疾流行情况。 CoRR公司 腹肌/230519779 ( 2023 ) 2022 [j7] 张勤毅 , Veit野生 , 莎拉·菲利皮 , 塞斯·弗拉克斯曼 , 迪诺·塞季诺维奇 :
贝叶斯核二样本测试。 J.计算。 图表。 斯达。 31 ( 4 ) : 1164-1176 ( 2022 ) [j6] 斯瓦尼尔·米什拉 , 塞斯·弗拉克斯曼 , 特蕾丝妮娅·贝拉 , 哈里森·朱 , 米科·帕卡宁 , 萨米尔巴特 :
πVAE:使用MCMC进行贝叶斯深度学习的随机过程先验。 统计计算。 32 ( 6 ) : 96 ( 2022 ) [i18] 乔瓦尼·查尔斯 , 蒂莫西·沃洛克 , 彼得·温斯基尔 , 阿兹拉·加尼 , 萨米尔巴特 , 塞斯·弗拉克斯曼 :
Seq2Seq流行病模型的替代品,以促进贝叶斯推断。 CoRR公司 abs/2209.09617 ( 2022 ) [i17] 亚历山大·特列宁 , 大卫·R·伯特 , 阿特姆·阿特梅夫 , 塞斯·弗拉克斯曼 , 马克·范德威尔克 , 卡尔·爱德华·拉斯穆森 , Hong Ge公司 :
通过使用覆盖树的最小分离实现数值稳定稀疏高斯过程。 CoRR公司 abs/2210.07893 ( 2022 ) [i16] 塞尼亚·米斯库里杜 , 萨米尔巴特 , 乔治·莫勒 , 塞斯·弗拉克斯曼 , 斯瓦尼尔·米什拉 :
Cox-Hawkes:双重随机时空泊松过程。 CoRR公司 abs/2210.11844 ( 2022 ) 【i15】 艾米丽·穆勒 , 艾米丽·杰梅尔 , 伊什曼·乔杜里 , 里基·纳什瓦尼 , 安特耶·巴巴拉·梅茨勒 , 詹姆斯·贝内特 , 艾米莉·丹顿 , 塞斯·弗拉克斯曼 , 马吉德·伊扎提 :
使用街景图像对城市周边质量的感知。 CoRR公司 abs/2211.12139 ( 2022 ) 2021 [j5] 瓦莱丽·布拉德利 , Shiro Kuriwaki先生 , 迈克尔·伊萨科夫 , 迪诺·塞季诺维奇 , 小李萌 , 塞斯·弗拉克斯曼 :
无代表性的大型调查大大高估了美国的疫苗接种率。 国家。 600 ( 7890 ) : 695-700 ( 2021 ) 【j4】 H.朱丽叶T.安文 , Isobel Routledge公司 , 塞斯·弗拉克斯曼 , 玛丽安·安德烈·里佐乌 , 赖胜杰 , 贾斯廷·科汉 , 丹尼尔·魏斯 , 斯瓦尼尔·米什拉 , 萨米尔巴特 :
使用霍克斯过程对近消灭环境中的输入和本地疟疾病例进行建模。 公共科学图书馆计算。 生物。 17 ( 4 ) ( 2021 ) [j3] 安德鲁·霍尔布鲁克 , 查尔斯·洛弗勒 , 塞斯·弗拉克斯曼 , 马克·苏查德 :
自激随机过程的可扩展贝叶斯推断应用于美国大型枪击数据。 统计计算。 31 ( 1 ) : 4 ( 2021 ) [第13条] 伊沃娜·霍利卢克 , 亨利克·霍尔特盖巴姆 , 斯瓦尼尔·米什拉 , 色妮娅·米斯库里杜 , 里卡多·施奈肯伯格(Ricardo P.Schnekenberg) , 查尔斯·惠塔克 , 迈克尔·A·C·沃尔默 , 塞斯·弗拉克斯曼 , 萨米尔巴特 , 托马斯·梅隆 :
高斯过程预测:应用于新冠肺炎死亡率报告。 阿联酋 2021 : 1258-1268 [第14条] 伊丽莎维塔·塞门诺娃 , 徐一丹 , 亚当·豪斯 , 西奥·拉希德 , 萨米尔巴特 , 斯瓦尼尔·米什拉 , 塞斯·弗拉克斯曼 :
使用VAE对时空先验进行编码,以进行小面积估计。 CoRR公司 abs/2110.10422 ( 2021 ) [i13] Sílvia Casacuberta公司 , 埃斯拉·苏埃尔 , 塞斯·弗拉克斯曼 :
PCACE:CNN可解释性神经元排名的统计方法。 CoRR公司 abs/2112.15571 ( 2021 ) 2020 [第12条] 哈里森·朱 , 刘兴 , 吕雅康(Ruya Kang) , 沈志超 , 塞斯·弗拉克斯曼 , 弗朗索瓦·沙维尔·布里奥 :
基于树模型的贝叶斯概率数值积分。 NeurIPS公司 2020 [i12] 斯瓦尼尔·米什拉 , 塞斯·弗拉克斯曼 , 萨米尔巴特 :
πVAE:用变分自编码器对随机过程先验进行编码。 CoRR公司 abs/2002.06873 ( 2020 ) [i11] 斯塔马蒂娜·兰普里纳库 , 艾玛·J·麦考伊 , 毛里西奥·巴拉奥纳 , 阿克塞尔·甘地 , 塞斯·弗拉克斯曼 , 莎拉·菲利皮 :
基于BART的泊松过程推理。 CoRR公司 abs/2005.07927 ( 2020 ) [i10] 哈里森·朱 , Xing Liu(刘星) , 吕雅康(Ruya Kang) , 沈志超 , 塞斯·弗拉克斯曼 , 弗朗索瓦·沙维尔·布里奥 :
基于树模型的贝叶斯概率数值积分。 CoRR公司 abs/2006.05371 ( 2020 ) [第九章] 迈克尔·A·C·沃尔默 , 本·格拉姆森 , 托马斯·梅隆 , 斯瓦尼尔·米什拉 , 卢卡·梅库里 , 塞伊尔·科斯特罗 , 罗伯特·克拉伯 , 格雷厄姆·库克 , 塞斯·弗拉克斯曼 , 萨米尔巴特 :
用于紧急部门需求的时间序列预测的统一机器学习方法。 CoRR公司 腹肌/2007.06566 ( 2020 ) [i8] 米盖尔·波兰德 , 爱德华·A·K·科恩 , 塞斯·弗拉克斯曼 , 马克·A·尼尔 :
使用深度学习提高SIM的轴向分辨率。 CoRR公司 abs/2009.02264 ( 2020 )
2010 – 2019
2019 [i7] 乔纳森·伊什·霍洛维奇 , 达娜·乌德温 , 塞斯·弗拉克斯曼 , 莎拉·菲利皮 , 洛林·克劳福德 :
通过变量重要性解释深层神经网络。 CoRR公司 abs/1901.09839 ( 2019 ) [i6] 埃多尔多·利西 , 穆罕默德·马列克扎德 , 哈达迪 , 刘丁洪(F.Din-Houn Lau) , 塞斯·弗拉克斯曼 :
使用CGAN建模和预测艺术运动。 CoRR公司 abs/1906.09230 ( 2019 ) 2018 [第11条] 加布里埃尔·阿巴蒂 , 亚历山德拉·托西 , 迈克尔·奥斯本 , 塞斯·弗拉克斯曼 :
AdaGeo:用于优化和采样的自适应几何学习。 AISTATS公司 2018 : 226-234 [第10条] 何重利定律 , 丹尼尔卡·萨瑟兰 , 迪诺·塞季诺维奇 , 塞斯·弗拉克斯曼 :
分布回归的贝叶斯方法。 AISTATS公司 2018 : 1167-1176 【c9】 胡老师 , 塞斯·弗拉克斯曼 :
多模式情绪分析,探索情绪结构。 KDD公司 2018 : 350-358 【c8】 何重利定律 , 迪诺·塞季诺维奇 , 伊文·卡末隆 , 蒂姆·C·D·卢卡斯 , 塞斯·弗拉克斯曼 , 凯瑟琳·巴特 , 福美贤治 :
高斯过程总输出的变分学习。 NeurIPS公司 2018 : 6084-6094 [i5] 何重利定律 , 迪诺·塞季诺维奇 , 伊文·卡末隆 , 蒂姆·C·D·卢卡斯 , 塞斯·弗拉克斯曼 , 凯瑟琳·巴特 , 福美贤治 :
高斯过程总输出的变分学习。 CoRR公司 abs/1805.08463 ( 2018 ) [i4] 胡老师 , 塞斯·弗拉克斯曼 :
多模态情绪分析探索情绪结构。 CoRR公司 abs/1805.10205 ( 2018 ) 2017 [注2] 布莱斯·古德曼 , 塞斯·弗拉克斯曼 :
欧盟算法决策和“解释权”条例。 人工智能杂志。 38 ( 三 ) : 50-57 ( 2017 ) 【c7】 塞斯·弗拉克斯曼 , 叶惠德 , 迪诺·塞季诺维奇 :
基于再生核的泊松强度估计。 AISTATS公司 2017 : 270-279 【c6】 张勤毅 , 莎拉·菲利皮 , 塞斯·弗拉克斯曼 , 迪诺·塞季诺维奇 :
两步条件独立性测试的特征对特征回归。 阿联酋 2017 [i3] 何重利定律 , 丹尼尔卡·萨瑟兰 , 迪诺·塞季诺维奇 , 塞斯·弗拉克斯曼 :
贝叶斯分布回归。 CoRR公司 abs/1705.04293 ( 2017 ) 2016 [j1] 塞斯·弗拉克斯曼 , 丹尼尔·尼尔 , 亚历山大·斯莫拉 :
因果推断中非id数据独立性检验的高斯过程。 ACM事务处理。 智力。 系统。 Technol公司。 7 ( 2 ) : 22:1-22:23 ( 2016 ) 【c5】 威廉·赫兰兹 , 安德鲁·戈登·威尔逊 , 汉内斯·尼克斯 , 塞斯·弗拉克斯曼 , 丹尼尔·尼尔 , 威尔伯特·范·潘胡斯 , 埃里克·P·星 :
描述多维变化曲面的可缩放高斯过程。 AISTATS公司 2016 : 1013-1021 【c4】 塞斯·弗拉克斯曼 , 迪诺·塞季诺维奇 , 约翰·坎宁安 , 莎拉·菲利皮 :
内核嵌入的贝叶斯学习。 阿联酋 2016 [i2] Hyunjik Kim先生 , 陆晓宇 , 塞斯·弗拉克斯曼 , 叶惠德 :
用于回归和协作滤波的Tucker Gaussian过程。 CoRR公司 abs/1605.07025 ( 2016 ) [i1] 布莱斯·古德曼 , 塞斯·弗拉克斯曼 :
欧盟关于算法决策和“解释权”的规定。 CoRR公司 abs/1606.08813 ( 2016 ) 2015 【c3】 塞斯·弗拉克斯曼 , 安德鲁·戈登·威尔逊 , 丹尼尔·尼尔 , 汉内斯·尼克斯 , 亚历山大·斯莫拉 :
非高斯似然高斯过程中的快速Kronecker推断。 ICML公司 2015 : 607-616 【c2】 塞斯·弗拉克斯曼 , 王玉祥 , 亚历山大·斯莫拉 :
2012年谁支持奥巴马 通过分布回归进行生态推断。 KDD公司 2015 : 289-298