Cheng Zhang(张成) 0005
人员信息
其他同名人员
Cheng Zhang(张成) — 消歧页 Cheng Zhang(张成) 0001 -复旦大学管理学院,中国上海 Cheng Zhang(张成) 0002 — 瑞典斯德哥尔摩皇家理工学院 (还有2个以上) Cheng Zhang(张成) 0003 -中国科学院国家空间科学中心,中国北京 Cheng Zhang(张成) 0004 -中国南京东南大学国家移动通信研究实验室 Cheng Zhang(张成) 0006 — 美国印第安纳州哈蒙德普渡大学西北分校 (还有1个) Cheng Zhang(张成) 0007 -早稻田大学计算机科学与通信工程系,日本东京 Cheng Zhang(张成) 0008 -中国上海大学数学系 Cheng Zhang(张成) 0009 -中国地质大学自动化学院,武汉 Cheng Zhang(张成) 0010 — 安徽大学,中国合肥 (还有1个) Cheng Zhang(张成) 0011 -佐治亚理工学院,美国佐治亚州亚特兰大 Cheng Zhang(张成) 0012 — 华为技术有限公司,中国深圳 (还有2个以上) Cheng Zhang(张成) 0013 -法国南特市中心 Cheng Zhang(张成) 0014 -俄亥俄州立大学计算机科学与工程系,俄亥俄州哥伦布,美国 Cheng Zhang(张成) 0015 — 中国苏州西安交通大学 (还有1个) Cheng Zhang(张成) 0016 -马萨诸塞大学,美国马萨诸塞州洛厄尔 Cheng Zhang(张成) 0017 -北京大学,中国北京
优化列表
2020年–今天
2024 [i46] 塔伦·古普塔 , 文博宫 , 小马 , 尼克·帕沃斯基 , 阿格林·希尔姆基尔 , 梅耶·斯凯本(Meyer Scetbon) , 艾德·法莫蒂 , 阿什利·胡安·洛伦斯 , 高剑锋 , 斯特凡·鲍尔 , 丹尼卡·克拉吉奇 , 伯恩哈德·舍尔科夫 , Cheng Zhang(张成) :
因果关系在具体人工智能基础世界模型中的重要作用。 CoRR公司 abs/2402.06665 ( 2024 ) [i45] 梅耶·斯凯本(Meyer Scetbon) , 乔尔·詹宁斯 , 阿格林·希尔姆基尔 , Cheng Zhang(张成) , 小马 :
FiP:因果生成建模的定点方法。 CoRR公司 abs/2404.06969 ( 2024 ) 2023 [c34] 文博宫 , 乔尔·詹宁斯 , Cheng Zhang(张成) , 尼克·帕沃斯基 :
犀牛:具有历史依赖性噪音的深层因果时间关系学习。 ICLR公司 2023 [公元33年] 德西·伊万诺娃 , 乔尔·詹宁斯 , 汤姆·雷诺思 , Cheng Zhang(张成) , 亚当·福斯特 :
CO-BED:通过贝叶斯实验设计的信息论上下文优化。 ICML公司 2023 : 14445-14464 [c32] 亚萨斯·安纳达尼 , 尼克·帕沃斯基 , 乔尔·詹宁斯 , 斯特凡·鲍尔 , Cheng Zhang(张成) , 文博宫 :
BayesDAG:因果发现的基于梯度的后验推断。 NeurIPS公司 2023 [电子3] 米哈拉·范德沙尔 , Cheng Zhang(张成) , 多米尼克·詹津 :
因果学习和推理会议,CLeaR 20232023年4月11日至14日,德国图宾根亚马逊开发中心,2023年4月11-14日。 机器学习研究进展 213, PMLR公司 2023 [目录] [i44] 涂瑞波 , 小马 , Cheng Zhang(张成) :
ChatGPT在神经病理性疼痛诊断中的因果发现性能。 CoRR公司 abs/2301.13819 ( 2023 ) [i43] 德西·伊万诺娃 , 乔尔·詹宁斯 , 汤姆·雷诺思 , Cheng Zhang(张成) , 亚当·福斯特 :
CO-BED:通过贝叶斯实验设计的信息论上下文优化。 CoRR公司 abs/2302.14015 ( 2023 ) [i42] 马修·阿什曼 , 小马 , 阿格林·希尔姆基尔 , 乔尔·詹宁斯 , Cheng Zhang(张成) :
基于神经ADMG学习的潜在混淆者因果推理。 CoRR公司 abs/2303.12703 ( 2023 ) [i41] Cheng Zhang(张成) , 斯特凡·鲍尔 , 保罗·贝内特 , 高江峰 , 文博宫 , 阿格林·希尔姆基尔 , 乔尔·詹宁斯 , 小马 , 汤姆·明卡 , 尼克·帕沃斯基 , 詹姆斯·沃根 :
用大型语言模型理解因果关系:可行性和机遇。 CoRR公司 abs/2304.05524 ( 2023 ) [i40] 亚萨斯·安纳达尼 , 尼克·帕沃斯基 , 乔尔·詹宁斯 , 斯特凡·鲍尔 , Cheng Zhang(张成) , 文博宫 :
BayesDAG:用于因果发现的基于梯度的后验抽样。 CoRR公司 abs/2307.13917 ( 2023 ) 2022 [公元31年] 涂瑞波 , 张坤 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
因果发现的最佳传输。 ICLR公司 2022 [公元30年] Jooyeon Kim先生 , 安格斯羔羊 , 西蒙·伍德黑德 , 西蒙·佩顿·琼斯 , Cheng Zhang(张成) , 米尔蒂亚迪斯·阿拉马尼斯 :
CoRGi:关注内容丰富的图形神经网络。 KDD公司 2022 : 773-783 [公元29年] 巴勃罗·莫拉莱斯·阿尔瓦雷斯 , 文博宫 , 安格斯羔羊 , 西蒙·伍德黑德 , 西蒙·佩顿·琼斯 , 尼克·帕沃斯基 , 米尔蒂亚迪斯·阿拉马尼斯 , Cheng Zhang(张成) :
与小组同时进行缺失值插补和结构学习。 NeurIPS公司 2022 [i39] 涂瑞波 , 张坤 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
用于因果发现的最佳传输。 CoRR公司 abs/2201.09366 ( 2022 ) [i38] 托马斯·杰夫纳 , 哈维尔·安托兰 , 亚当·福斯特 , 文博宫 , 小马 , 埃姆雷·克斯曼 , 阿米特·夏尔马 , 安格斯羔羊 , 马丁·库克拉 , 尼克·帕沃斯基 , 米尔蒂亚迪斯·阿拉马尼斯 , Cheng Zhang(张成) :
深入的端到端因果推断。 CoRR公司 abs/2202.02195 ( 2022 ) [i37] 德西·伊万诺娃 , 乔尔·詹宁斯 , Cheng Zhang(张成) , 亚当·福斯特 :
通过用于上下文优化的贝叶斯实验设计对因果决策进行有效的真实世界测试。 CoRR公司 abs/2207.05250 ( 2022 ) [公元36年] 文博宫 , 迪戈里·史密斯 , 王子超 , 克雷格·巴顿 , 西蒙·伍德黑德 , 尼克·帕沃斯基 , 乔尔·詹宁斯 , Cheng Zhang(张成) :
说明和指南:教育中学习路径的因果见解。 CoRR公司 abs/2208.12610 ( 2022 ) [i35] 马库斯·克拉松 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
学习时间:重播持续学习中的时间表。 CoRR公司 abs/2209.08660 ( 2022 ) [i34] 文博宫 , 乔尔·詹宁斯 , Cheng Zhang(张成) , 尼克·帕沃斯基 :
犀牛:具有历史依赖性噪音的深层因果时间关系学习。 CoRR公司 abs/2210.14706 ( 2022 ) 2021 [c28] 王子超 , 塞巴斯蒂安·奇亚切克 , 西蒙·伍德黑德 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 西蒙·佩顿·琼斯 , 理查德·巴拉纽克 , Cheng Zhang(张成) :
大规模教育问题挖掘:预测、分析和个性化。 AAAI公司 2021 : 15669-15677 [公元27年] 张汝琪 , 李英珍 , 克里斯托弗·德萨 , 萨姆·德夫林 , Cheng Zhang(张成) :
变分推理的元学习分歧。 AISTATS公司 2021 : 4024-4032 [公元26年] 希波里特·里特 , 马丁·库克拉 , Cheng Zhang(张成) , 李英珍 :
引入权重的深度学习中的稀疏不确定性表示。 NeurIPS公司 2021 : 6515-6528 [公元25年] 小马 , Cheng Zhang(张成) :
缺失非随机数据插补的可识别生成模型。 NeurIPS公司 2021 : 27645-27658 [i33] 王子超 , 安格斯羔羊 , 叶夫根尼·萨维利耶夫 , 帕什米娜·卡梅隆 , 尤丹·扎科夫 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 理查德·特纳 , 理查德·巴拉纽克 , 克雷格·巴顿 , 西蒙·佩顿·琼斯 , 西蒙·伍德黑德 , Cheng Zhang(张成) :
诊断问题的结果和见解:NeurIPS 2020教育挑战。 CoRR公司 abs/2104.04034 ( 2021 ) [i32] 安格斯羔羊 , 叶夫根尼·萨维利耶夫 , 李英珍 , 塞巴斯蒂安·奇亚切克 , 卡米拉·朗登 , 西蒙·伍德黑德 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 理查德·特纳 , 帕什米娜·卡梅隆 , Cheng Zhang(张成) :
用于新特征自适应的上下文超网络。 CoRR公司 abs/2104.05860 ( 2021 ) [i31] 希波里特·里特 , 马丁·库克拉 , Cheng Zhang(张成) , 李英珍 :
引入权重的深度学习中的稀疏不确定性表示。 CoRR公司 abs/2105.14594 ( 2021 ) [i30] 巴勃罗·莫拉莱斯·阿尔瓦雷斯 , 安格斯羔羊 , 西蒙·伍德黑德 , 西蒙·佩顿·琼斯 , 米尔蒂亚迪斯·阿拉马尼斯 , Cheng Zhang(张成) :
六、原因:群体同时缺失值插补和因果发现。 CoRR公司 abs/2110.08223 ( 2021 ) [i29] 小马 , Cheng Zhang(张成) :
缺失非随机数据插补的可识别生成模型。 CoRR公司 腹肌/2110.14708 ( 2021 ) 2020 [注2] 马库斯·克拉松 , Cheng Zhang(张成) , 海德维格·凯尔斯特伦 :
变分多视图学习在杂货分类中的应用。 模式 1 ( 8 ) : 100143 ( 2020 ) [公元24年] 雅各布·贝克 , 卡米尔·乔塞克 , 萨姆·德夫林 , 塞巴斯蒂安·奇亚切克 , Cheng Zhang(张成) , 卡贾·霍夫曼 :
AMRL:强化学习的聚合记忆。 ICLR公司 2020 【c23】 王子超 , 安格斯羔羊 , 叶夫根尼·萨维利耶夫 , 帕什米娜·卡梅隆 , 尤丹·扎科夫 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 理查德·特纳 , 理查德·巴拉纽克 , 克雷格·巴顿 , 西蒙·佩顿·琼斯 , 西蒙·伍德黑德 , Cheng Zhang(张成) :
诊断问题的结果和见解:NeurIPS 2020教育挑战。 NeurIPS(竞争和演示) 2020 : 191-205年 [公元22年] Cheng Zhang(张成) , 张坤 , 李英珍 :
神经网络鲁棒性的因果观。 NeurIPS公司 2020 【c21】 小马 , 塞巴斯蒂安·奇亚切克 , 理查德·特纳 , 何塞·米盖尔·埃尔南德斯·洛巴托 , Cheng Zhang(张成) :
VAEM:异构混合类型数据的深度生成模型。 NeurIPS公司 2020 [公元20年] 张学如 , 涂瑞波 , 杨柳 , 刘明艳 , 海德维格·凯尔斯特伦 , 张坤 , Cheng Zhang(张成) :
在长期资格认证中,公平决策的表现如何? NeurIPS公司 2020 [电子2] Cheng Zhang(张成) , 弗朗西斯科·鲁伊斯 , 唐德培 , Adji Bousso死亡 , 梁大文(Dawen Liang) :
近似贝叶斯推断进展研讨会,AABI 2019,加拿大不列颠哥伦比亚省温哥华,2019年12月8日。 机器学习研究进展 118, PMLR公司 2020 [目录] [第28条] 王子超 , 塞巴斯蒂安·奇亚切克 , 西蒙·伍德黑德 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 西蒙·佩顿·琼斯 , Cheng Zhang(张成) :
部分变分自动编码器的大规模教育问题分析。 CoRR公司 abs/2003.05980 ( 2020 ) [i27] Cheng Zhang(张成) , 张坤 , 李英珍 :
神经网络鲁棒性的因果观。 CoRR公司 abs/2005.01095 ( 2020 ) [i26] 小马 , 塞巴斯蒂安·奇亚切克 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 理查德·特纳 , Cheng Zhang(张成) :
VAEM:异构混合类型数据的深度生成模型。 CoRR公司 abs/2006.11941 ( 2020 ) [i25] 张汝琪 , 李英珍 , 克里斯托弗·德萨 , 萨姆·德夫林 , Cheng Zhang(张成) :
变分推理的元学习。 CoRR公司 abs/2007.02912 ( 2020 ) 【i24】 卢克·哈里斯 , 丽贝卡·斯道兰·克拉克 , 蒂莫西·查普曼 , 斯瓦米V.P.L.N.纳拉马利 , 利文特·奥祖尔 , Shuktika Jain先生 , 亚历克斯·梁 , 史蒂夫·林 , 亚伦·迪特里希 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 艾利斯 , Cheng Zhang(张成) , 卡米尔·乔塞克 :
DRIFT:功能软件测试的深度强化学习。 CoRR公司 腹肌/2007.08220 ( 2020 ) [第23条] 王子超 , 安格斯羔羊 , 叶夫根尼·萨维利耶夫 , 帕什米娜·卡梅隆 , 尤丹·扎科夫 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 理查德·特纳 , 理查德·巴拉纽克 , 克雷格·巴顿 , 西蒙·佩顿·琼斯 , 西蒙·伍德黑德 , Cheng Zhang(张成) :
诊断问题:NeurIPS 2020教育挑战。 CoRR公司 abs/2007.12061 ( 2020 ) [i22] 张学如 , 涂瑞波 , 杨柳 , 刘明艳 , 海德维格·凯尔斯特伦 , 张坤 , Cheng Zhang(张成) :
公平决策在长期资格认证中的作用如何? CoRR公司 abs/2010.11300 ( 2020 ) 【i21】 菲利普·鲍尔 , 李英珍 , 安格斯羔羊 , Cheng Zhang(张成) :
受人类学习启发的持续学习效率研究。 CoRR公司 abs/2010.15187 ( 2020 ) [i20] 尹海燕(Haiyan Yin) , 李英珍 , Sinno Jialin Pan公司 , Cheng Zhang(张成) , 塞巴斯蒂安·奇亚切克 :
有效主动特征获取的强化学习。 CoRR公司 腹肌/2011.00825 ( 2020 )
2010 – 2019
2019 [j1] Cheng Zhang(张成) , 朱迪思·布特佩奇 , 海德维格·凯尔斯特伦 , 斯蒂芬·曼特 :
变分推理的进展。 IEEE传输。 模式分析。 机器。 智力。 41 ( 8 ) : 2008-2026 ( 2019 ) [第19条] Cheng Zhang(张成) , 塞吉兹·兹蒂雷利 , 斯蒂芬·曼特 , Giampiero Salvi公司 :
使用排斥点过程的主动小批量采样。 AAAI公司 2019 : 5741-5748 [第18条] 小马 , 塞巴斯蒂安·奇亚切克 , 李英珍 , 理查德·特纳 , 何塞·米盖尔·埃尔南德斯·洛巴托 , Cheng Zhang(张成) :
HM-VAEs:具有异质边缘的实值数据的深度生成模型。 AABI公司 2019 : 1-8 [第17条] 涂瑞波 , Cheng Zhang(张成) , 保罗·阿克曼 , 卡提卡·莫汉 , 海德维格·凯尔斯特伦 , 张坤 :
存在缺失数据时的因果发现。 AISTATS公司 2019 : 1762-1770 [第16条] 小马 , 塞巴斯蒂安·奇亚切克 , 康斯坦蒂娜·帕拉 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 塞巴斯蒂安·诺沃津 , Cheng Zhang(张成) :
EDDI:利用部分VAE高效动态发现高值信息。 ICML公司 2019 : 4234-4243 [第15条] 查尔斯·哈默塞 , 涂瑞波 , 保罗·阿克曼 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
跟腱断裂康复的同步测量插补和结果预测。 MLHC公司 2019 : 614-640年 [第14条] 涂瑞波 , 张坤 , 博·贝尔蒂尔森 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
用于因果发现算法评估的神经病理性疼痛诊断模拟器。 NeurIPS公司 2019 : 12773-12784 [第13条] 马克西米利安·伊格尔 , 卡米尔·乔塞克 , 李英珍 , 塞巴斯蒂安·奇亚切克 , Cheng Zhang(张成) , 萨姆·德夫林 , 卡贾·霍夫曼 :
选择性噪声注入强化学习中的泛化与信息瓶颈。 NeurIPS公司 2019 : 13956-13968 [第12条] 文博宫 , 塞巴斯蒂安·奇亚切克 , 塞巴斯蒂安·诺沃津 , 理查德·特纳 , 何塞·米盖尔·埃尔南德斯·洛巴托 , Cheng Zhang(张成) :
破冰者:基于贝叶斯深层潜在高斯模型的全要素高效信息获取。 NeurIPS公司 2019 : 14791-14802 [第11条] 马库斯·克拉松 , Cheng Zhang(张成) , 海德维格·凯尔斯特伦 :
具有视觉和语义标签的分级杂货店存储图像数据集。 WACV(加权平均值) 2019 : 491-500 [电子1] 弗朗西斯科·鲁伊斯 , Cheng Zhang(张成) , 梁大文(Dawen Liang) , 唐德培 :
近似贝叶斯推断进展研讨会,2018年AABI,加拿大魁北克省蒙特利尔,2018年12月2日。 机器学习研究进展 96, PMLR公司 2019 [目录] [i19] 马库斯·克拉松 , Cheng Zhang(张成) , 海德维格·凯尔斯特伦 :
具有视觉和语义标签的层次化杂货店存储图像数据集。 CoRR公司 abs/1901.00711 ( 2019 ) [i18] 安娜·莱娜·波普克斯 , 希斯克·奥维格 , 阿里·埃尔科尔 , 李英珍 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 尤丹·扎科夫 , Cheng Zhang(张成) :
重症监护中稀疏贝叶斯神经网络的可解释结果预测。 CoRR公司 abs/1905.02599 ( 2019 ) [i17] 涂瑞波 , 张坤 , 博·克里斯特·贝蒂尔森 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
用于因果发现算法评估的神经病理性疼痛诊断模拟器。 CoRR公司 腹肌/1906.01732 ( 2019 ) [i16] 文博宫 , 塞巴斯蒂安·奇亚切克 , 理查德·特纳 , 塞巴斯蒂安·诺沃津 , 何塞·米盖尔·埃尔南德斯·洛巴托 , Cheng Zhang(张成) :
破冰者:基于贝叶斯深层潜在高斯模型的全要素主动信息获取。 CoRR公司 腹肌/1908.04537 ( 2019 ) 【i15】 罗伯特·巴姆勒 , Cheng Zhang(张成) , 曼弗雷德·奥珀 , 斯蒂芬·曼特 :
通过重新审视微扰理论来拉紧变分推理的边界。 CoRR公司 绝对值/190.00069 ( 2019 ) [第14条] 马克西米利安·伊格尔 , 卡米尔·乔塞克 , 李英珍 , 塞巴斯蒂安·奇亚切克 , Cheng Zhang(张成) , 萨姆·德夫林 , 卡贾·霍夫曼 :
选择性噪声注入强化学习中的泛化与信息瓶颈。 CoRR公司 腹肌/1910.12911 ( 2019 ) 2018 [第10条] 天帆付 , Cheng Zhang(张成) , 斯蒂芬·曼特 :
基于谱分解的连续词嵌入融合。 CoNLL公司 2018 : 11-20 【c9】 查尔斯·哈默塞 , 海德维格·凯尔斯特伦 , 保罗·阿克曼 , Cheng Zhang(张成) :
跟腱断裂康复的同步测量插补和结果预测。 AIH@IJCAI 2018 : 82-86 [i13] Cheng Zhang(张成) , 塞吉兹·兹蒂雷利 , 斯蒂芬·曼特 , Giampiero Salvi公司 :
使用排斥点过程的主动小批量采样。 CoRR公司 abs/1804.02772 ( 2018 ) [i12] 涂瑞波 , Cheng Zhang(张成) , 保罗·阿克曼 , 海德维格·凯尔斯特伦 , 张坤 :
存在缺失数据时的因果发现。 CoRR公司 abs/1807.04010 ( 2018 ) [i11] 小马 , 塞巴斯蒂安·奇亚切克 , 康斯坦蒂娜·帕拉 , 何塞·米盖尔·埃尔南德斯·洛巴托 , 塞巴斯蒂安·诺沃津 , Cheng Zhang(张成) :
EDDI:利用部分VAE高效动态发现高值信息。 CoRR公司 abs/1809.11142 ( 2018 ) [i10] 查尔斯·哈默塞 , 涂瑞波 , 保罗·阿克曼 , 海德维格·凯尔斯特伦 , Cheng Zhang(张成) :
跟腱断裂康复的同步测量插补和结果预测。 CoRR公司 abs/1810.03435 ( 2018 ) 2017 [c8] 罗伯特·巴姆勒 , Cheng Zhang(张成) , 曼弗雷德·奥珀 , 斯蒂芬·曼特 :
扰动黑箱变分推理。 NIPS公司 2017 : 5079-5088 【c7】 Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 斯蒂芬·曼特 :
使用行列式点过程的SGD平衡微带采样。 阿拉伯联合酋长国 2017 [第九章] Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 斯蒂芬·曼特 :
非平衡数据的随机学习:小型银行多元化的决定点过程。 CoRR公司 abs/1705.00607 ( 2017 ) [i8] 罗伯特·巴姆勒 , Cheng Zhang(张成) , 曼弗雷德·奥珀 , 斯蒂芬·曼特 :
扰动黑箱变分推理。 CoRR公司 abs/1709.07433 ( 2017 ) [i7] Cheng Zhang(张成) , 朱迪思·布特佩奇 , 海德维格·凯尔斯特伦 , 斯蒂芬·曼特 :
变分推理的进展。 CoRR公司 腹肌/1711.05597 ( 2017 ) [i6] 马库斯·克拉松 , 张坤 , 博·贝尔蒂尔森 , Cheng Zhang(张成) , 海德维格·凯尔斯特伦 :
因果关系细化诊断预测。 CoRR公司 abs/1711.10915 ( 2017 ) 2016 【b1】 Cheng Zhang(张成) :
使用潜在变量模型的结构化表示。 瑞典斯德哥尔摩皇家理工学院, 2016 【c6】 Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 卡尔·亨利克·埃克 :
跨学科主题表征学习。 ECCV(8) 2016 : 210-226 【c5】 Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 卡尔·亨利克·埃克 , 博·贝尔蒂尔森 :
使用IBTM的不适图形进行诊断预测。 MLHC公司 2016 : 226-238 [i5] Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 卡尔·亨利克·埃克 :
电池间主题表示学习。 CoRR公司 abs/1605.06155 ( 2016 ) [i4] Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 卡尔·亨利克·埃克 , 博·贝尔蒂尔森 :
使用IBTM的不适图形进行诊断预测。 CoRR公司 abs/1607.08206 ( 2016 ) [i3] Cheng Zhang(张成) , 海德维格·凯尔斯特伦 , 博·贝尔蒂尔森 :
使用不适图形进行诊断预测。 CoRR公司 abs/1612.01356 ( 2016 ) [i2] 安渠 , Cheng Zhang(张成) , 保罗·阿克曼 , 海德维格·凯尔斯特伦 :
将医学数据推断与跟腱断裂康复联系起来。 CoRR公司 abs/1612.02490 ( 2016 ) 2014 [c4] Cheng Zhang(张成) , 海德维格·凯尔斯特伦 :
如何监督主题模型。 ECCV研讨会(2) 2014 : 500-515 2013 【c3】 Cheng Zhang(张成) , 卡尔·亨利克·埃克 , 哈维·格拉塔尔 , 弗洛里安·波科尼 , 海德维格·凯尔斯特伦 :
带变分推理的监督层次Dirichlet过程。 ICCV研讨会 2013 : 254-261 【c2】 Cheng Zhang(张成) , Dan Song(宋丹) , 海德维格·凯尔斯特伦 :
使用标记的多LDA进行上下文建模。 IROS公司 2013 : 2264-2271 【c1】 Cheng Zhang(张成) , 卡尔·亨利克·埃克 , 海德维格·凯尔斯特伦 :
分解主题模型。 ICLR(车间海报) 2013 [i1] Cheng Zhang(张成) , 海德维格·凯尔斯特伦 :
深度目标的多类检测和分割。 CoRR公司 abs/1301.5582 ( 2013 )