Hierarchical Decompositional Mixtures of Variational Autoencoders
Auteurs:
Ping Liang Tan and Robert Peharz
Publié dans:
Proceedings of the 36th International Conference on Machine Learning (ICML), Numéro 36, 2019, Page(s) 6115--6124
Éditeur:
Proceedings of Machine Learning Research
Minimal Random Code Learning: Getting Bits Back from Compressed Model Parameters
Auteurs:
Havasi, Marton; Peharz, Robert; Hernández-Lobato, José Miguel
Publié dans:
International Conference on Learning Representations, ICLR 2019, Numéro 7, 2019, Page(s) --
Éditeur:
OpenReview.net
Faster Attend-Infer-Repeat with Tractable Probabilistic Models
Auteurs:
Karl Stelzner, Robert Peharz and Kristian Kersting
Publié dans:
Proceedings of the 36th International Conference on Machine Learning (ICML), Numéro 36, 2019, Page(s) 5966--5975
Éditeur:
Proceedings of Machine Learning Research (PMLR)
Automatic Bayesian Density Analysis
(s’ouvre dans une nouvelle fenêtre)
Auteurs:
Antonio Vergari, Alejandro Molina, Robert Peharz, Zoubin Ghahramani, Kristian Kersting, Isabel Valera
Publié dans:
Proceedings of the AAAI Conference on Artificial Intelligence, Numéro 33, 2019, Page(s) 5207-5215, ISSN 2374-3468
Éditeur:
AAAI Press
DOI:
10.1609/aaai.v33i01.33015207
Random Sum-Product Networks: A Simple and Effective Approach to Probabilistic Deep Learning
Auteurs:
Robert Peharz, Antonio Vergari, Karl Stelzner, Alejandro Molina, Martin Trapp, Xiaoting Shao, Kristian Kersting and Zoubin Ghahramani
Publié dans:
Proceedings of the Thirty-Fifth Conference on Uncertainty in Artificial Intelligence, (UAI), Numéro 35, 2019, Page(s) --
Éditeur:
AUAI Press
Bayesian Learning of Sum-Product Networks
Auteurs:
Martin Trapp, Robert Peharz, Hong Ge, Franz Pernkopf, Zoubin Ghahramani
Publié dans:
Advances in Neural Information Processing Systems, Numéro 32, 2019, Page(s) 6344--6355
Éditeur:
Curran Associates, Inc.
Deep Structured Mixtures of Gaussian Processes
Auteurs:
Martin Trapp, Robert Peharz, Franz Pernkopf, Carl E. Rasmussen
Publié dans:
Proceedings of the 23rd International Conference on Artificial Intelligence and Statistics (AISTATS), Numéro 1, 2020, Page(s) accepted, in print
Éditeur:
Proceedings of Machine Learning Research
