Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Hybrid Learning Systems utilizing Sum-Product Networks

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Veröffentlichungen

Hierarchical Decompositional Mixtures of Variational Autoencoders

Autoren: Ping Liang Tan and Robert Peharz
Veröffentlicht in: Proceedings of the 36th International Conference on Machine Learning (ICML), Ausgabe 36, 2019, Seite(n) 6115--6124
Herausgeber: Proceedings of Machine Learning Research

Minimal Random Code Learning: Getting Bits Back from Compressed Model Parameters

Autoren: Havasi, Marton; Peharz, Robert; Hernández-Lobato, José Miguel
Veröffentlicht in: International Conference on Learning Representations, ICLR 2019, Ausgabe 7, 2019, Seite(n) --
Herausgeber: OpenReview.net

Faster Attend-Infer-Repeat with Tractable Probabilistic Models

Autoren: Karl Stelzner, Robert Peharz and Kristian Kersting
Veröffentlicht in: Proceedings of the 36th International Conference on Machine Learning (ICML), Ausgabe 36, 2019, Seite(n) 5966--5975
Herausgeber: Proceedings of Machine Learning Research (PMLR)

Automatic Bayesian Density Analysis (öffnet in neuem Fenster)

Autoren: Antonio Vergari, Alejandro Molina, Robert Peharz, Zoubin Ghahramani, Kristian Kersting, Isabel Valera
Veröffentlicht in: Proceedings of the AAAI Conference on Artificial Intelligence, Ausgabe 33, 2019, Seite(n) 5207-5215, ISSN 2374-3468
Herausgeber: AAAI Press
DOI: 10.1609/aaai.v33i01.33015207

Random Sum-Product Networks: A Simple and Effective Approach to Probabilistic Deep Learning

Autoren: Robert Peharz, Antonio Vergari, Karl Stelzner, Alejandro Molina, Martin Trapp, Xiaoting Shao, Kristian Kersting and Zoubin Ghahramani
Veröffentlicht in: Proceedings of the Thirty-Fifth Conference on Uncertainty in Artificial Intelligence, (UAI), Ausgabe 35, 2019, Seite(n) --
Herausgeber: AUAI Press

Bayesian Learning of Sum-Product Networks

Autoren: Martin Trapp, Robert Peharz, Hong Ge, Franz Pernkopf, Zoubin Ghahramani
Veröffentlicht in: Advances in Neural Information Processing Systems, Ausgabe 32, 2019, Seite(n) 6344--6355
Herausgeber: Curran Associates, Inc.

Deep Structured Mixtures of Gaussian Processes

Autoren: Martin Trapp, Robert Peharz, Franz Pernkopf, Carl E. Rasmussen
Veröffentlicht in: Proceedings of the 23rd International Conference on Artificial Intelligence and Statistics (AISTATS), Ausgabe 1, 2020, Seite(n) accepted, in print
Herausgeber: Proceedings of Machine Learning Research

SPFlow: An Easy and Extensible Library for Deep Probabilistic Learning using Sum-Product Networks

Autoren: Molina, Alejandro; Vergari, Antonio; Stelzner, Karl; Peharz, Robert; Subramani, Pranav; Di Mauro, Nicola; Poupart, Pascal; Kersting, Kristian
Veröffentlicht in: Arxiv preprints, Ausgabe 1, 2018
Herausgeber: arxiv.org

Efficient and Robust Machine Learning for Real-World Systems

Autoren: Pernkopf, Franz; Roth, Wolfgang; Zoehrer, Matthias; Pfeifenberger, Lukas; Schindler, Guenther; Froening, Holger; Tschiatschek, Sebastian; Peharz, Robert; Mattina, Matthew; Ghahramani, Zoubin
Veröffentlicht in: Arxiv preprints, Ausgabe 1, 2018
Herausgeber: arxiv.org

Conditional Sum-Product Networks: Imposing Structure on Deep Probabilistic Architectures

Autoren: Xiaoting Shao, Alejandro Molina, Antonio Vergari, Karl Stelzner, Robert Peharz, Thomas Liebig, Kristian Kersting
Veröffentlicht in: Arxiv Preprints, 2019
Herausgeber: arxiv.org

Sum-Product Network Decompilation

Autoren: Cory J. Butz, Jhonatan S. Oliveira, Robert Peharz
Veröffentlicht in: Arxiv preprints, 2019
Herausgeber: arxiv.org

Hybrid generative-discriminative training of Gaussian mixture models (öffnet in neuem Fenster)

Autoren: Wolfgang Roth, Robert Peharz, Sebastian Tschiatschek, Franz Pernkopf
Veröffentlicht in: Pattern Recognition Letters, Ausgabe 112, 2018, Seite(n) 131-137, ISSN 0167-8655
Herausgeber: Elsevier BV
DOI: 10.1016/j.patrec.2018.06.014

Suche nach OpenAIRE-Daten ...

Bei der Suche nach OpenAIRE-Daten ist ein Fehler aufgetreten

Es liegen keine Ergebnisse vor

Mein Booklet 0 0