蒂姆·G·J·鲁德纳
人员信息
优化列表
![笔记](https://dblp2.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 [第18条] 蒂姆·G·J·鲁德纳 , 亚诗章 , 安德鲁·戈登·威尔逊 , 朱莉娅·坎佩 :
注意差距:使用Group-Aware Priors提高子群体迁移的稳健性。 AISTATS公司 2024 : 127-135 [i29] 西奥多·帕帕马库 , 玛丽亚·斯科拉里杜 , 康斯坦蒂娜·帕拉 , 劳伦斯·艾奇森 , 朱利安·阿贝尔 , 大卫·B·邓森 , 毛里齐奥·菲利波内 , 文森特·福图因 , 菲利普·亨尼 , 何塞·米盖尔·埃尔南德斯·洛巴托 , Aliaksander湖滨 , 亚历山大·伊梅尔 , 西奥法尼斯·卡拉莱索斯 , 穆罕默德·埃米提亚兹·汗 , 阿古斯丁·克里斯蒂亚迪 , 李英珍 , 斯蒂芬·曼特 , 克里斯托弗·奈梅特 , 迈克尔·奥斯本 , 蒂姆·G·J·鲁德纳 , 大卫·吕加默尔 , 叶惠德 , 马克斯·威林 , 安德鲁·戈登·威尔逊 , 张如琪(Ruqi Zhang) :
立场文件:大规模人工智能时代的贝叶斯深度学习。 CoRR公司 abs/2402.00809 ( 2024 ) [第28条] 蒂姆·G·J·鲁德纳 , 亚诗章 , 安德鲁·戈登·威尔逊 , 朱莉娅·坎佩 :
注意差距:使用Group-Aware Priors提高子群体迁移的稳健性。 CoRR公司 abs/2403.09869 ( 2024 ) [i27] 冯云珍 , 蒂姆·G·J·鲁德纳 , 尼古拉·齐利维斯 , 朱莉娅·坎佩 :
攻击贝叶斯:关于贝叶斯神经网络的对抗鲁棒性。 CoRR公司 abs/2404.19640 ( 2024 ) [i26] 贡希·古普塔 , 卡梅斯·雅达夫 , Yarin Gal公司 , 德鲁夫·巴特拉 , 兹索尔·基拉 , 丛路 , 蒂姆·G·J·鲁德纳 :
预先训练的文本到图像扩散模型是用于控制的多功能表征学习者。 CoRR公司 abs/2405.05852 ( 2024 ) 2023 [j1] 塞缪尔·凯斯勒 , 亚当·科布 , 蒂姆·G·J·鲁德纳 , 斯特凡·佐伦 , 斯蒂芬·罗伯茨 :
连续学习中的序贯贝叶斯推理。 熵 25 ( 6 ) : 884 ( 2023 ) [c17] 贡希·古普塔 , 蒂姆·G·J·鲁德纳 , 罗文·托马斯·麦卡利斯特 , 阿德里安·盖登 , Yarin Gal公司 :
主动采样可以减少离线强化学习中的因果混淆吗? CLeaR公司 2023 : 386-407 [第16条] 利奥·克拉纳 , 蒂姆·G·J·鲁德纳 , 迈克尔·鲁特林格 , 托尔斯滕·辛德勒 , 加勒特·M·莫里斯 , 夏洛特·迪恩 , 叶惠德 :
功能域信息先验分布协变量转移下的药物发现。 ICML公司 2023 : 17176-17197 [第15条] 蒂姆·G·J·鲁德纳 , 三亚姆·卡普尔 , 邱世凯 , 安德鲁·戈登·威尔逊 :
神经网络中的函数空间正则化:概率观点。 ICML公司 2023 : 29275-29290 [第14条] 内特·格鲁弗 , 塞缪尔·斯坦顿 , 内森·弗雷 , 蒂姆·G·J·鲁德纳 , 伊西德罗·霍泽尔 , 朱利安·拉弗朗西·瓦纳斯 , 阿尔文德·拉贾尔 , Kyunghyun Cho(赵京贤) , 安德鲁·戈登·威尔逊 :
蛋白质设计与引导离散扩散。 NeurIPS公司 2023 [第13条] 邱世凯 , 蒂姆·G·J·鲁德纳 , 三亚姆·卡普尔 , 安德鲁·戈登·威尔逊 :
我们应该学习最可能的函数或参数吗? NeurIPS公司 2023 [第12条] Ravid Shwartz-Ziv公司 , 兰德尔·巴列斯特里罗 , 川口贤治 , 蒂姆·G·J·鲁德纳 , 燕乐存 :
方差-方差-协方差正则化的信息论观点。 NeurIPS公司 2023 [第11条] 王颖(音) , 蒂姆·G·J·鲁德纳 , 安德鲁·戈登·威尔逊 :
基于多模态信息瓶颈归因的图文表征可视化解释。 NeurIPS公司 2023 [i25] 塞缪尔·凯斯勒 , 亚当·科布 , 蒂姆·G·J·鲁德纳 , 斯特凡·佐伦 , 斯蒂芬·罗伯茨 :
连续学习中的序贯贝叶斯推理。 CoRR公司 abs/2301.01828 ( 2023 ) 【i24】 Ravid Shwartz-Ziv公司 , 兰德尔·巴列斯特里罗 , 川口贤治 , 蒂姆·G·J·鲁德纳 , 燕乐存 :
方差-方差-协方差正则化的信息论观点。 CoRR公司 abs/2303.00633 ( 2023 ) [第23条] 内特·格鲁弗 , 塞缪尔·斯坦顿 , 内森·弗雷 , 蒂姆·G·J·鲁德纳 , 伊西德罗·霍泽尔 , 朱利安·拉弗朗西·瓦纳斯 , 阿尔文德·拉贾尔 , Kyunghyun Cho(赵京贤) , 安德鲁·戈登·威尔逊 :
蛋白质设计与引导离散扩散。 CoRR公司 abs/2305.20009 ( 2023 ) [i22] 李玉岑 , 蒂姆·G·J·鲁德纳 , 安德鲁·戈登·威尔逊 :
贝叶斯优化的贝叶斯神经网络代理研究。 CoRR公司 abs/2305.20028 ( 2023 ) 【i21】 利奥·克拉纳 , 蒂姆·G·J·鲁德纳 , 迈克尔·鲁特林格 , 托尔斯滕·辛德勒 , 加勒特·M·莫里斯 , 夏洛特·迪恩 , 叶惠德 :
功能域信息先验分布协变量转移下的药物发现。 CoRR公司 abs/2307.15073 ( 2023 ) [i20] 邱世凯 , 蒂姆·G·J·鲁德纳 , 三亚姆·卡普尔 , 安德鲁·戈登·威尔逊 :
我们应该学习最可能的函数或参数吗? CoRR公司 abs/2311.15990 ( 2023 ) [i19] 朱利安·勒丘加·洛佩兹 , 蒂姆·G·J·鲁德纳 , 法拉·沙穆特 :
信息先验提高了多模态临床数据分类的可靠性。 CoRR公司 abs/2312.00794 ( 2023 ) [i18] 蒂姆·G·J·鲁德纳 , 三亚姆·卡普尔 , 邱世凯 , 安德鲁·戈登·威尔逊 :
神经网络中的函数空间正则化:概率观点。 CoRR公司 abs/2312.17162 ( 2023 ) [i17] 贡希·古普塔 , 蒂姆·G·J·鲁德纳 , 罗文·托马斯·麦卡利斯特 , 阿德里安·盖登 , Yarin Gal公司 :
主动采样可以减少离线强化学习中的因果混淆吗? CoRR公司 abs/2312.17168 ( 2023 ) [i16] 萨纳·洛特菲 , 马克·芬奇 , 邝怡伦 , 蒂姆·G·J·鲁德纳 , 迈卡·戈德布鲁姆 , 安德鲁·戈登·威尔逊 :
大型语言模型的非精确泛化边界。 CoRR公司 腹肌/2312.17173 ( 2023 ) 【i15】 王颖(音) , 蒂姆·G·J·鲁德纳 , 安德鲁·戈登·威尔逊 :
基于多模态信息瓶颈归因的图文表征可视化解释。 CoRR公司 腹肌/2312.17174 ( 2023 ) [第14条] 蒂姆·G·J·鲁德纳 , 陈宗浩 , 叶惠德 , Yarin Gal公司 :
贝叶斯神经网络中的可追踪函数空间变分推理。 CoRR公司 abs/2312.17199 ( 2023 ) [i13] 蒂姆·G·J·鲁德纳 , 弗雷迪·比克福德·史密斯 , 奇轩·冯 , 叶惠德 , Yarin Gal公司 :
通过序列函数-空间变分推理进行持续学习。 CoRR公司 abs/2312.17210 ( 2023 ) 2022 [第10条] 蒂姆·G·J·鲁德纳 , 弗雷迪·比克福德·史密斯 , 奇轩·冯 , 叶惠德 , Yarin Gal公司 :
通过序列函数-空间变分推理进行持续学习。 ICML公司 2022 : 18871-18887 【c9】 蒂姆·G·J·鲁德纳 , 陈宗浩 , 叶惠德 , Yarin Gal公司 :
贝叶斯神经网络中的可追踪函数空间变分推理。 NeurIPS公司 2022 [i12] 丛路 , 菲利普·鲍尔 , 蒂姆·G·J·鲁德纳 , 杰克·帕克霍尔德 , 迈克尔·奥斯本 , 叶惠德 :
从视觉观察中进行离线强化学习的挑战和机遇。 CoRR公司 腹肌/2206.04779 ( 2022 ) [i11] Dustin Tran公司 , 耶利米亚·Z·刘 , 迈克尔·杜森贝里 , 杜凡 , 马克·科利尔 , 杰仁 , 韩可航 , 子王 , 塞尔达·马里特 , 胡慧仪 , Neil乐队 , 蒂姆·G·J·鲁德纳 , 卡兰·辛哈尔 , 扎卡里·纳多 , 乔斯特·范·阿默斯福特 , 安德烈亚斯·基尔希 , 鲁道夫·杰纳顿 , 尼图姆·塞恩 , 袁宏林 , 凯利·布坎南 , 凯文·墨菲 , D.斯卡利 , Yarin Gal公司 , 邹宾·加拉马尼 , 贾斯珀·斯诺克 , 巴拉吉·拉克什米纳拉亚南 :
Plex:使用预训练大型模型扩展实现可靠性。 CoRR公司 abs/2207.07411 ( 2022 ) [i10] Neil乐队 , 蒂姆·G·J·鲁德纳 , 奇轩·冯 , 安吉洛斯·菲洛斯 , 扎卡里·纳多 , 迈克尔·杜森贝里 , 加森·杰费尔 , Dustin Tran公司 , Yarin Gal公司 :
糖尿病视网膜病变检测任务的贝叶斯深度学习基准。 CoRR公司 abs/2211.12717 ( 2022 ) [i9] 蒂姆·G·J·鲁德纳 , 丛路 , 迈克尔·奥斯本 , Yarin Gal公司 , 叶惠德 :
从专家演示中学习KL规范化强化的病理学。 CoRR公司 abs/2212.13936 ( 2022 ) 2021 【c8】 蒂姆·G·J·鲁德纳 , 奥斯卡钥匙 , Yarin Gal公司 , 汤姆·雷诺思 :
深高斯过程变分推断中的信噪比问题。 ICML公司 2021 : 9148-9156 【c7】 Neil乐队 , 蒂姆·G·J·鲁德纳 , 奇轩·冯 , 安吉洛斯·菲洛斯 , 扎卡里·纳多 , 迈克·杜森贝里 , 加森·杰费尔 , Dustin Tran公司 , Yarin Gal公司 :
糖尿病视网膜病变检测任务的贝叶斯深度学习基准。 NeurIPS数据集和基准 2021 【c6】 蒂姆·G·J·鲁德纳 , 维奇尔·庞 , 罗文·麦卡利斯特 , Yarin Gal公司 , 谢尔盖·莱文 :
通过变异推理的结果驱动强化学习。 NeurIPS公司 2021 : 13045-13058 【c5】 蒂姆·G·J·鲁德纳 , 丛路 , 迈克尔·奥斯本 , Yarin Gal公司 , 叶惠德 :
从专家演示中学习KL规范化强化的病理学。 NeurIPS公司 2021 : 28376-28389 [i8] 蒂姆·G·J·鲁德纳 , 维奇尔·H·彭 , 罗文·麦卡利斯特 , Yarin Gal公司 , 谢尔盖·莱文 :
通过变异推理的结果驱动强化学习。 CoRR公司 腹肌/2104.10190 ( 2021 ) [i7] 扎卡里·纳多 , Neil乐队 , 马克·科利尔 , 约西普·乔隆加 , 迈克尔·杜森贝里 , 塞巴斯蒂安·法夸尔 , 安吉洛斯·菲洛斯 , 马顿·哈瓦西 , 鲁道夫·杰纳顿 , 加森·杰费尔 , 耶利米亚·Z·刘 , 塞尔达·马里特 , 杰里米·尼克松 , 史莱亚斯·帕迪 , 杰仁 , 蒂姆·G·J·鲁德纳 , 文叶明(Yeming Wen) , 弗洛里安·温泽尔 , 凯文·墨菲 , D.斯卡利 , 巴拉吉·拉克什米纳拉亚南 , 贾斯珀·斯诺克 , Yarin Gal公司 , Dustin Tran公司 :
不确定性基准:深度学习中不确定性和稳健性的基准。 CoRR公司 abs/2106.04015 ( 2021 ) 2020 【c4】 蒂姆·G·J·鲁德纳 , 迪诺·塞季诺维奇 , Yarin Gal公司 :
域间深高斯过程。 ICML公司 2020 : 8286-8294 [i6] 蒂姆·G·J·鲁德纳 , 迪诺·塞季诺维奇 , Yarin Gal公司 :
域间深高斯过程。 CoRR公司 abs/2011.00415 ( 2020 ) [i5] 蒂姆·G·J·鲁德纳 , 奥斯卡钥匙 , Yarin Gal公司 , 汤姆·雷诺思 :
深高斯过程变分推断中的信噪比问题。 CoRR公司 abs/2011.00515 ( 2020 )
2010 – 2019
2019 [c3] 蒂姆·G·J·鲁德纳 , 马克·鲁姆 , Jakub Fil公司 , 雷蒙娜·佩利奇 , 本杰明·比斯克 , 维罗尼卡·科帕科娃 , 彼得·比林斯基 :
Multi3Net:通过多分辨率、多传感器和多时相卫星图像的融合分割洪水淹没的建筑物。 AAAI公司 2019 : 702-709 【c2】 米卡耶尔·桑维利安 , 塔比什·拉希德 , 克里斯蒂安·施罗德·德维特 , 格雷戈里·法夸尔 , 南塔斯·纳德利 , 蒂姆·G·J·鲁德纳 , Chia-Man Hung先生 , 菲利普·H·S·托尔 , 雅各布·N·福斯特 , 西蒙·怀特森 :
星际争霸多智能体挑战。 美国原子能机构 2019 : 2186年至2188年 【c1】 马修·费罗斯 , 阿努杰·马哈扬 , 蒂姆·G·J·鲁德纳 , 西蒙·怀特森 :
VIREL:强化学习的变分推理框架。 NeurIPS公司 2019 : 7120-7134 [i4] 米卡耶尔·桑维利安 , 塔比什·拉希德 , 克里斯蒂安·施罗德·德维特 , 格雷戈里·法夸尔 , 南塔斯·纳德利 , 蒂姆·G·J·鲁德纳 , Chia-Man Hung先生 , 菲利普·H·S·托尔 , 雅各布·N·福斯特 , 西蒙·怀特森 :
星际争霸多智能体挑战。 CoRR公司 abs/1902.04043 ( 2019 ) [i3] 安吉洛斯·菲洛斯 , 塞巴斯蒂安·法夸尔 , 艾丹·N·戈麦斯 , 蒂姆·G·J·鲁德纳 , 扎卡里·肯顿 , 刘易斯史密斯 , 米拉德·阿里扎德 , 阿诺德·科隆 , Yarin Gal公司 :
糖尿病视网膜病变任务中贝叶斯深度学习鲁棒性的系统比较。 CoRR公司 abs/1912.10481 ( 2019 ) 2018 [i2] 马修·费罗斯 , 阿努杰·马哈扬 , 蒂姆·G·J·鲁德纳 , 西蒙·怀特森 :
VIREL:强化学习的变分推理框架。 CoRR公司 abs/1811.01132 ( 2018 ) [i1] 蒂姆·G·J·鲁德纳 , 马克·鲁姆 , Jakub Fil公司 , 雷蒙娜·佩利奇 , 本杰明·比斯克 , 维罗尼卡·科帕科娃 , 彼得·比林斯基 :
多个 三 网络:通过多分辨率、多传感器和多时相卫星图像的融合分割洪水淹没的建筑物。 CoRR公司 abs/1812.01756 ( 2018 )
合著者索引
![](https://dblp2.uni-trier.de/img/cog.dark.24x24.png)