( en | de | ru )

 

Disambiguierung von "Turner, Richard E."

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Practical Deep Learning with Bayesian Principles.

, , , , , , und . NeurIPS, Seite 4289-4301. (2019)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Richard -E Moes

Ernst Turner

John Turner

Anke Turner

Ernst Turner

 

Weitere Publikationen von Autoren mit dem selben Namen

Structured Evolution with Compact Architectures for Scalable Policy Optimization., , , , und . ICML, Volume 80 von Proceedings of Machine Learning Research, Seite 969-977. PMLR, (2018)The Mirage of Action-Dependent Baselines in Reinforcement Learning., , , , , und . ICLR (Workshop), OpenReview.net, (2018)Identifiable Feature Learning for Spatial Data with Nonlinear ICA., , , und . CoRR, (2023)Gaussian Process Behaviour in Wide Deep Neural Networks, , , , und . (2018)cite arxiv:1804.11271Comment: This work substantially extends the work of Matthews et al. (2018) published at the International Conference on Learning Representations (ICLR) 2018.Deep Gaussian Processes for Regression using Approximate Expectation Propagation, , , , und . (2016)cite arxiv:1602.04133.Deterministic Variational Inference for Robust Bayesian Neural Networks., , , , , und . ICLR, OpenReview.net, (2019)The Multivariate Generalised von Mises Distribution: Inference and Applications., , und . AAAI, Seite 2394-2400. AAAI Press, (2017)Combining pseudo-point and state space approximations for sum-separable Gaussian Processes., , und . UAI, Volume 161 von Proceedings of Machine Learning Research, Seite 1607-1617. AUAI Press, (2021)Adversarial Attacks are a Surprisingly Strong Baseline for Poisoning Few-Shot Meta-Learners., , und . ICBINB, Volume 187 von Proceedings of Machine Learning Research, Seite 27-40. PMLR, (2022)Practical Deep Learning with Bayesian Principles., , , , , , und . NeurIPS, Seite 4289-4301. (2019)