( en | de | ru )

 

Disambiguierung von "Snoek, Jasper"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Can you trust your model's uncertainty? Evaluating predictive uncertainty under dataset shift.

, , , , , , , , und . NeurIPS, Seite 13969-13980. (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.

Michael Snoek

Heinrich Snoek

Horst-Peter Snoek

Gerd Snoek

Erich Snoek

 

Weitere Publikationen von Autoren mit dem selben Namen

Revisiting One-vs-All Classifiers for Predictive Uncertainty and Out-of-Distribution Detection in Neural Networks., , , , , und . CoRR, (2020)Combining Ensembles and Data Augmentation can Harm your Calibration., , , , , , und . CoRR, (2020)Learning Latent Permutations with Gumbel-Sinkhorn Networks., , , und . ICLR (Poster), OpenReview.net, (2018)On Nonparametric Guidance for Learning Autoencoder Representations., , und . AISTATS, Volume 22 von JMLR Proceedings, Seite 1073-1080. JMLR.org, (2012)Nonparametric guidance of autoencoder representations using label information., , und . J. Mach. Learn. Res., (2012)Deep Learning for Bayesian Optimization of Scientific Problems with High-Dimensional Structure., , , , , und . Trans. Mach. Learn. Res., (2022)Sparse MoEs meet Efficient Ensembles., , , , , , , , , und 3 andere Autor(en). Trans. Mach. Learn. Res., (2022)Predicting the utility of search spaces for black-box optimization: a simple, budget-aware approach., , , , , und . CoRR, (2021)Uncertainty Baselines: Benchmarks for Uncertainty & Robustness in Deep Learning., , , , , , , , , und 14 andere Autor(en). CoRR, (2021)The k-tied Normal Distribution: A Compact Parameterization of Gaussian Mean Field Posteriors in Bayesian Neural Networks., , , , , , , , , und . ICML, Volume 119 von Proceedings of Machine Learning Research, Seite 9289-9299. PMLR, (2020)