罗贝特·布萨·费科特
人员信息
附属: 谷歌研究,美国纽约州纽约市 附属: Yahoo Research,美国纽约州纽约市 附属: 德国帕德博恩大学计算机科学系 附属: 马尔堡大学数学与计算机科学系,德国马尔堡 附属: 法国奥赛巴黎大学直线加速器实验室(LAL) 从属关系(2008年博士): 匈牙利塞格德塞格德大学
优化列表
2020年–今天
2024 [公元46年] 恩里科·巴吉斯 , Igor Bilogrevic公司 , 罗贝特·布萨·费科特 , 阿桑卡·赫拉思 , 安东尼奥·萨托利 , 奥马尔·赛义德 :
评估网络指纹风险。 WWW(配套卷) 2024 : 245-254 [i12] 恩里科·巴吉斯 , Igor Bilogrevic公司 , 罗贝特·布萨·费科特 , 阿桑卡·赫拉思 , 安东尼奥·萨托里 , 奥马尔·赛义德 :
评估网络指纹风险。 CoRR公司 abs/2403.15607 ( 2024 ) 2023 [公元45年] Róbert Istvan Busa-Fekete先生 , 安德烈斯·穆尼奥斯·梅迪纳 , 奥马尔·赛义德 , 谢尔盖·瓦西尔维茨基 :
标记差异隐私和私人培训数据发布。 ICML公司 2023 : 3233-3251 [公元44年] 罗贝特·布萨·费科特 , Heejin Choi先生 , 特拉维斯·迪克 , 克劳迪奥·詹蒂莱 , 安德烈斯·穆尼奥斯·麦地那 :
从标签比例轻松学习。 NeurIPS公司 2023 [i11] Róbert Istvan Busa-Fekete先生 , Heejin Choi先生 , 特拉维斯·迪克 , 克劳迪奥·詹蒂莱 , 安德烈斯·穆尼奥斯·麦地那 :
从标签比例轻松学习。 CoRR公司 abs/2302.03115 ( 2023 ) [i10] 盖西亚·布拉沃·赫尔姆斯多夫 , 罗贝特·布萨·费科特 , 穆罕默德·加瓦姆扎德 , 安德烈斯·穆尼奥斯·麦地那 , 乌马尔·赛义德 :
熵估计的专用和通信高效算法。 CoRR公司 abs/2305.07751 ( 2023 ) 2022 [公元43年] Gecia Bravo Hermsdorff公司 , 罗贝特·布萨·费科特 , 穆罕默德·加瓦姆扎德 , 安德烈斯·穆尼奥斯·麦地那 , 奥马尔·赛义德 :
熵估计的私有和通信高效算法。 NeurIPS公司 2022 [公元42年] 罗贝特·布萨·费科特 , Heejin Choi先生 , Krzysztof Dembczynski先生 , 克劳迪奥·詹蒂莱 , 亨利·里夫 , Balázs Szörényi :
稀疏标签体系中多标签分类的回归界。 NeurIPS公司 2022 [公元41年] 何塞·文森特·埃加斯·洛佩斯 , 罗伯特·布萨·费科特 , 哥斯托利亚 :
关于使用集合X向量嵌入改进嗜睡检测。 SPECOM公司 2022 : 178-187 [第九章] Gecia Bravo Hermsdorff公司 , 罗贝特·布萨·费科特 , Lee M.Gunderson先生 , 安德烈斯·穆尼奥斯·麦地那 , 奥马尔·赛义德 :
统计匿名性:在不重新识别用户的情况下量化重新识别风险。 CoRR公司 abs/2201.12306 ( 2022 ) 2021 [公元10年] Viktor Bengs公司 , 罗贝特·布萨·费科特 , 阿迪尔·埃尔·梅萨乌迪·鲍尔 , 埃克·Hüllermier :
与决斗强盗进行基于偏好的在线学习:一项调查。 J.马赫。 学习。 物件。 22 : 7点-7分108秒 ( 2021 ) [j9] 哥斯托利亚 , 罗贝特·布萨·费科特 :
Ensemble Bag-of-Audio-Words表示提高了副语言分类的准确性。 IEEE ACM传输。 音频语音语言处理。 29 : 477-488 ( 2021 ) [公元40年] 亚历山德罗·埃帕斯托 , 安德烈斯·穆尼奥斯·麦地那 , 史蒂文·埃弗里 , 白一剑 , 罗贝特·布萨·费科特 , CJ凯里 , 亚高 , 大卫·古思里 , Subham Ghosh公司 , 詹姆斯·约安尼迪斯 , 焦俊一 , 雅库布·拉基 , 杰森·李 , 阿恩·毛瑟 , 布莱恩·米尔奇 , 瓦哈布·S.镜尼 , 迪帕克·拉维坎德兰 , 魏氏 , 马克斯·斯佩罗 , 孙云亭 , 奥马尔·赛义德 , 谢尔盖·瓦西尔维茨基 , Shuo Wang(王朔) :
基于个人兴趣的广告集群。 KDD公司 2021 : 2802-2810 [公元39年] 罗贝特·布萨·费科特 , 迪米特里斯·福塔基斯 , 埃马努伊尔·赞佩塔基斯 :
排名数据的私人和非私人一致性测试。 NeurIPS公司 2021 : 9480-9492 [公元38年] 罗贝特·布萨·费科特 , 迪米特里斯·福塔基斯 , Balázs Szörényi , 埃马努伊尔·赞佩塔基斯 :
Mallows模型的身份测试。 NeurIPS公司 2021 : 23179-23190 2020 [公元37年] Utkarsh Upadhyay公司 , 罗贝特·布萨·费科特 , 沃伊西奇·科特洛夫斯基 , 达维德·帕尔 , Balázs Szörényi :
学会爬行。 AAAI公司 2020 : 6046-6053 [i8] 卡琳娜·贾辛斯卡-科布斯 , 马雷克·威德穆奇 , 克日什托夫·德姆布钦斯基 , 库兹涅佐夫 , 罗贝特·布萨·费科特 :
极端多标签分类的概率标签树。 CoRR公司 abs/2009.11218 ( 2020 )
2010 – 2019
2019 [j8] 加博尔·戈兹托利亚 , 罗贝特·布萨·费科特 :
校准AdaBoost进行音素分类。 软计算。 23 ( 1 ) : 115-128 ( 2019 ) [c36] 罗贝特·布萨·费科特 , 迪米特里斯·福塔基斯 , Balázs Szörényi , Manolis Zampetakis公司 :
马洛斯块模型的最优学习。 COLT公司 2019 : 529-532 [i7] Utkarsh Upadhyay公司 , 罗贝特·布萨·费科特 , 沃伊西奇·科特洛夫斯基 , 达维德·帕尔 , Balázs Szörényi :
学会爬行。 CoRR公司 abs/1905.12781 ( 2019 ) [i6] 罗贝特·布萨·费科特 , Krzysztof Dembczynski先生 , 亚历山大·戈洛夫涅夫 , 卡琳娜·贾辛斯卡 , 库兹涅佐夫 , 马克西姆·斯维里登科 , 赵旭 :
概率标记树算法的计算复杂性。 CoRR公司 腹肌/1906.00294 ( 2019 ) [i5] 罗贝特·布萨·费科特 , 迪米特里斯·福塔基斯 , Balázs Szörényi , Manolis Zampetakis公司 :
Mallows块模型的优化学习。 CoRR公司 abs/1906.01009 ( 2019 ) 2018 [公元35年] 阿迪尔·埃尔·梅萨乌迪·鲍尔 , 埃克·Hüllermier , 罗贝特·布萨·费科特 :
基于噪声排序的排序分布。 ICML公司 2018 : 3469-3477 [c34] 阿肖克·卡特科斯基 , 罗贝特·布萨·费科特 :
基于自适应SGD的分布式随机优化。 NeurIPS公司 2018 : 1914-1923 [公元33年] 马雷克·威德穆奇 , 卡琳娜·贾辛斯卡 , 库兹涅佐夫 , 罗贝特·布萨·费科特 , Krzysztof Dembczynski先生 :
分层softmax到极端多标签分类的一种无梯度泛化。 NeurIPS公司 2018 : 6358-6368 [公元32年] 哥斯托利亚 , 罗贝特·布萨·费科特 :
多类副语言分类的后验校正。 SLT公司 2018 : 119-125 [公元31年] 阿克谢·索尼 , 阿西什·巴普 , 罗贝特·布萨·费科特 , Krzysztof Dembczynski先生 :
社交媒体主席欢迎和组织的极端多标签分类。 WWW(配套卷) 2018 : 1893-1894 [i4] 阿肖克·卡特科斯基 , 罗贝特·布萨·费科特 :
通过自适应随机梯度下降实现分布式随机优化。 CoRR公司 abs/1802.05811 ( 2018 ) [i3] 罗贝特·布萨·费科特 , 埃克·Hüllermier , 阿迪尔·埃尔·梅萨乌迪·鲍尔 :
与决斗强盗进行基于偏好的在线学习:一项调查。 CoRR公司 abs/1807.11398 ( 2018 ) [i2] 马雷克·威德穆奇 , 卡琳娜·贾辛斯卡 , 库兹涅佐夫 , 罗贝特·布萨·费科特 , Krzysztof Dembczynski先生 :
分层softmax到极端多标签分类的一种无梯度泛化。 CoRR公司 abs/1810.11671 ( 2018 ) 2017 [公元30年] 罗贝特·布萨·费科特 , 巴尔兹斯·绍雷尼(Balázs Szörényi) , 保罗·翁 , 谢·曼诺 :
多目标匪徒:优化广义基尼指数。 ICML公司 2017 : 625-634 [公元29年] 哥斯托利亚 , 罗贝特·布萨·费科特 , 塔马斯·格里斯 , 拉兹洛托斯 :
基于DNN的特征提取和分类器组合用于儿童定向语音、感冒和打鼾的识别。 INTERSPEECH公司 2017 : 3522-3526 [i1] 罗贝特·布萨·费科特 , 巴尔兹斯·绍雷尼(Balázs Szörényi) , 保罗·翁 , 谢·曼诺 :
多目标匪徒:优化广义基尼指数。 CoRR公司 腹肌/1706.04933 ( 2017 ) 2016 [c28] 卡琳娜·贾辛斯卡 , Krzysztof Dembczynski先生 , 罗贝特·布萨·费科特 , 卡尔森·普范施密特 , 蒂莫·克莱克斯 , 埃克·Hüllermier :
使用稀疏概率估计的极端F测度最大化。 ICML公司 2016 : 1435-1444 [公元27年] 哥斯托利亚 , 塔马斯·格里斯 , 罗贝特·布萨·费科特 , 拉兹洛托斯 :
利用语音特征和分类器组合确定母语和欺骗。 INTERSPEECH公司 2016 : 2418-2422 [公元26年] 克日什托夫·德姆布钦斯基 , 沃伊西奇·科特洛夫斯基 , 威廉·沃格曼 , 罗贝特·布萨·费科特 , 埃克·Hüllermier :
概率分类器树的一致性。 ECML/PKDD(2) 2016 : 511-526 2015 [公元25年] Balázs Szörényi , 罗贝特·布萨·费科特 , 保罗·翁 , 埃克·Hüllermier :
定性多武器匪徒:基于分位数的方法。 ICML公司 2015 : 1660-1668 [公元24年] 塔马斯·格罗斯 , 罗贝特·布萨·费科特 , 哥斯托利亚 , 拉兹洛托斯 :
使用高斯过程和深度整流神经网络评估自然度和帕金森病状态。 棘突间 2015 : 919-923 【c23】 罗贝特·布萨·费科特 , Balázs Szörényi , Krzysztof Dembczynski先生 , 埃克·Hüllermier :
在线F-Measure优化。 NIPS公司 2015 : 595-603 [公元22年] Balázs Szörényi , 罗贝特·布萨·费科特 , 阿迪尔·保罗 , 埃克·Hüllermier :
Plackett-Luce的在线排名激励:决斗强盗方法。 NIPS公司 2015 : 604-612 2014 [j7] 罗贝特·布萨·费科特 , Balázs Szörényi , 保罗·翁 , 程伟伟(Weiwei Cheng) , 埃克·Hüllermier :
基于偏好的强化学习:使用基于偏好的竞赛算法进行进化直接策略搜索。 马赫。 学习。 97 ( 三 ) : 327-351 ( 2014 ) 【c21】 罗贝特·布萨·费科特 , Balázs Szörényi , 埃克·Hüllermier :
通过随机成对偏好的自适应抽样获得PAC等级。 AAAI公司 2014 : 1701-1707 [公元20年] 罗贝特·布萨·费科特 , 埃克·Hüllermier :
基于偏好的在线学习与Bandit算法研究综述。 中高音 2014 : 18-39 [第19条] 罗贝特·布萨·费科特 , 埃克·Hüllermier , Balázs Szörényi :
使用统计模型的基于偏好的排名诱导:马洛斯的案例。 ICML公司 2014 : 1071-1079年 [第18条] 哥斯托利亚 , 塔马斯·格里斯 , 罗贝特·布萨·费科特 , 拉兹洛托斯 :
使用AdaBoost和深层整流器神经网络检测认知和物理负荷的强度。 INTERSPEECH公司 2014 : 452-456 2013 [j6] 罗贝特·布萨·费科特 , 巴拉兹·凯格尔 , 塔马斯·埃勒特奥 , György Szarvas公司 :
调音和混音:学习使用校准的多类分类器集合进行排名。 马赫。 学习。 93 ( 2-3 ) : 261-292 ( 2013 ) [第17条] György Szarvas公司 , 罗伯特·布萨·费科特 , 埃克·Hüllermier :
学习对词汇替换进行排序。 EMNLP公司 2013 : 1926-1932 [第16条] Balázs Szörényi , 罗贝特·布萨·费科特 , 伊斯特万·赫格杜斯 , 罗德·奥曼迪 , 马尔克Jelasity , 巴拉兹·凯格尔 :
基于流言的分布式随机盗贼算法。 ICML(3) 2013 : 19-27 [第15条] 罗贝特·布萨·费科特 , Balázs Szörényi , 程伟伟(Weiwei Cheng) , 保罗·翁 , 埃克·Hüllermier :
基于噪声偏好自适应采样的Top-k选择。 ICML(3) 2013 : 1094-1102年 [第14条] 哥斯托利亚 , 罗贝特·布萨·费科特 , 拉兹洛托斯 :
使用adaboost检测自闭症、情绪和社交信号。 INTERSPEECH公司 2013 : 220-224 2012 [j5] 贾勒尔·本布齐德 , 罗贝特·布萨·费科特 , 诺曼·卡萨格兰德 , 弗朗索瓦·达维德·科林 , 巴拉兹·凯格尔 :
MULTIBOOST:一个多用途助推包。 J.马赫。 学习。 物件。 13 : 549至553 ( 2012 ) [第13条] 伊斯特万·赫格杜斯 , 罗伯特·布萨·费科特 , 罗德·奥曼迪 , 马尔克Jelasity , 巴拉兹·凯格尔 :
对等多类提升。 欧洲-保时捷 2012 : 389-400 [第12条] 罗贝特·布萨·费科特 , 贾勒尔·本布齐德 , 巴拉兹·凯格尔 :
使用稀疏决策DAG进行快速分类。 ICML公司 2012 2011 [第11条] 罗贝特·布萨·费科特 , 巴拉兹·凯格尔 , 塔马斯·埃勒特奥 , György Szarvas公司 :
基于AdaBoost多样性校准的稳健排序方法。 ECML/PKDD(1) 2011 : 263-279 [第10条] 罗贝特·布萨·费科特 , 巴拉兹·凯格尔 , 塔马斯·埃勒特奥 , György Szarvas公司 :
通过校准的AdaBoost进行排名。 雅虎! 学习排名挑战 2011 : 37至48 2010 【c9】 罗贝特·布萨·费科特 , 巴拉兹·凯格尔 :
使用敌对土匪进行快速助推。 ICML公司 2010 : 143-150 【c8】 陈光毅(Guangyi Chen) , 朱伟平 , 巴拉兹·凯格尔 , 罗伯特·布萨·费科特 :
使用小波和AdaBoost进行掌纹分类。 ISNN(2) 2010 : 178-183
2000 – 2009
2009 【j4】 克利福德·S·托德 , 蒂瓦达尔·托斯 , 罗贝特·布萨·费科特 :
GraphClus,一个使用图论进行聚类分析的MATLAB程序。 计算。 地质科学。 35 ( 6 ) : 1205-1213 ( 2009 ) [j3] 里查德·法卡斯 , György Szarvas公司 , 伊斯特万·赫格杜斯 , 阿提拉·阿尔马西 , 维罗妮卡·文泽 , 罗德·奥曼迪 , 罗伯特·布萨·费科特 :
研究论文:从临床文本预测发病率的决策规则的半自动构建。 美国医学信息学会。 16 ( 4 ) : 601-605 ( 2009 ) 【c7】 巴拉兹·凯格尔 , 罗贝特·布萨·费科特 :
提升基本分类器的乘积。 ICML公司 2009 : 497-504年 【c6】 安德拉斯·班哈尔米(András Bánhalmi) , 罗贝特·布萨·费科特 , 巴拉兹·凯格尔 :
蛋白质序列和结构的一类分类方法。 伊斯布拉银行 2009 : 310-322 [c5] 罗贝特·布萨·费科特 , 巴拉兹·凯格尔 :
使用UCB加速AdaBoost。 KDD杯 2009 : 111-122 2008 【b1】 Róbert Istvan Busa-Fekete先生 :
进化树重建及其在蛋白质分类中的应用。 匈牙利塞格德大学, 2008 [注2] 罗贝特·布萨·费科特 , 安德拉斯·科索尔 :
使用完整句子分析器从MEDLINE中提取人类蛋白质信息。 《网络学报》。 18 ( 三 ) : 391-402 ( 2008 ) [第1页] 罗贝特·布萨·费科特 , 安德拉斯·科索尔 , 桑多·蓬戈 :
基于树的蛋白质分类算法。 生物信息学中的计算智能 2008 : 165-182 2007 [j1] György Szarvas公司 , 里查德·法卡斯 , 罗贝特·布萨·费科特 :
研究论文:使用迭代机器学习框架对病历进行最先进的匿名化。 美国医学信息学会。 14 ( 5 ) : 574-580 ( 2007 ) 【c4】 安德拉斯·班哈尔米(András Bánhalmi) , 安德拉斯·科索尔 , 罗贝特·布萨·费科特 :
基于生成的单类分类的反例。 ECML公司 2007 : 543-550 [c3] 罗贝特·布萨·费科特 , 安德拉斯·科索尔 , Csaba Baginka公司 :
一种基于多层次的系统发育树构建方法。 伊斯布拉银行 2007 : 49-60 【c2】 安德拉斯·科索尔 , 罗贝特·布萨·费科特 , 安德拉斯·班哈尔米(András Bánhalmi) :
语音障碍治疗系统中基于白化的特征空间变换。 TSD公司 2007 : 222年至229年 【c1】 安德拉斯·班哈尔米(András Bánhalmi) , 罗贝特·布萨·费科特 , 安德拉斯·科索 :
一种与说话人无关的隐马尔可夫模型的自动再训练方法。 TSD公司 2007 : 382-389