Preskoči na sadržaj
Korištenjem servisa na Twitteru pristajete na korištenje kolačića. Twitter i partneri rade globalno te koriste kolačiće za analize, personalizaciju i oglase.

Za najbolje sučelje na Twitteru koristite Microsoft Edge ili instalirajte aplikaciju Twitter iz trgovine Microsoft Store.

  • Naslovnica Naslovnica Naslovnica, trenutna stranica.
  • O Twitteru

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @
  • Jezik: Hrvatski
    • Bahasa Indonesia
    • Bahasa Melayu
    • Català
    • Čeština
    • Dansk
    • Deutsch
    • English
    • English UK
    • Español
    • Filipino
    • Français
    • Italiano
    • Magyar
    • Nederlands
    • Norsk
    • Polski
    • Português
    • Română
    • Slovenčina
    • Suomi
    • Svenska
    • Tiếng Việt
    • Türkçe
    • Български език
    • Русский
    • Српски
    • Українська мова
    • Ελληνικά
    • עִבְרִית
    • العربية
    • فارسی
    • मराठी
    • हिन्दी
    • বাংলা
    • ગુજરાતી
    • தமிழ்
    • ಕನ್ನಡ
    • ภาษาไทย
    • 한국어
    • 日本語
    • 简体中文
    • 繁體中文
  • Imate račun? Prijava
    Imate račun?
    · Zaboravili ste lozinku?

    Novi ste na Twitteru?
    Registrirajte se
Profil korisnika/ce arkosiorek
Adam Kosiorek
Adam Kosiorek
Adam Kosiorek
@arkosiorek

Tweets

Adam Kosiorek

@arkosiorek

PhD candidate at Oxford and a Research Scientist at DeepMind; I'm trying to understand what intelligence is and to implement it.

London, England
akosiorek.github.io
Vrijeme pridruživanja: prosinac 2014.

Tweets

  • © 2020 Twitter
  • O Twitteru
  • Centar za pomoć
  • Uvjeti
  • Pravila o privatnosti
  • Imprint
  • Kolačići
  • Informacije o oglasima
Odbaci
Prethodni
Sljedeće

Idite na profil osobe

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @

Odjava

Blokiraj

  • Objavi Tweet s lokacijom

    U tweetove putem weba ili aplikacija drugih proizvođača možete dodati podatke o lokaciji, kao što su grad ili točna lokacija. Povijest lokacija tweetova uvijek možete izbrisati. Saznajte više

    Vaši popisi

    Izradi novi popis


    Manje od 100 znakova, neobavezno

    Privatnost

    Kopiraj vezu u tweet

    Ugradi ovaj Tweet

    Embed this Video

    Dodajte ovaj Tweet na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Dodajte ovaj videozapis na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Hm, došlo je do problema prilikom povezivanja s poslužiteljem.

    Integracijom Twitterova sadržaja u svoje web-mjesto ili aplikaciju prihvaćate Twitterov Ugovor za programere i Pravila za programere.

    Pregled

    Razlog prikaza oglasa

    Prijavi se na Twitter

    · Zaboravili ste lozinku?
    Nemate račun? Registrirajte se »

    Prijavite se na Twitter

    Niste na Twitteru? Registrirajte se, uključite se u stvari koje vas zanimaju, i dobivajte promjene čim se dogode.

    Registrirajte se
    Imate račun? Prijava »

    Dvosmjerni (slanje i primanje) kratki kodovi:

    Država Kod Samo za korisnike
    Sjedinjene Američke Države 40404 (bilo koje)
    Kanada 21212 (bilo koje)
    Ujedinjeno Kraljevstvo 86444 Vodafone, Orange, 3, O2
    Brazil 40404 Nextel, TIM
    Haiti 40404 Digicel, Voila
    Irska 51210 Vodafone, O2
    Indija 53000 Bharti Airtel, Videocon, Reliance
    Indonezija 89887 AXIS, 3, Telkomsel, Indosat, XL Axiata
    Italija 4880804 Wind
    3424486444 Vodafone
    » Pogledajte SMS kratke šifre za druge zemlje

    Potvrda

     

    Dobro došli kući!

    Vremenska crta mjesto je na kojem ćete provesti najviše vremena i bez odgode dobivati novosti o svemu što vam je važno.

    Tweetovi vam ne valjaju?

    Prijeđite pokazivačem preko slike profila pa kliknite gumb Pratim da biste prestali pratiti neki račun.

    Kažite mnogo uz malo riječi

    Kada vidite Tweet koji volite, dodirnite srce – to osobi koja ga je napisala daje do znanja da vam se sviđa.

    Proširite glas

    Najbolji je način da podijelite nečiji Tweet s osobama koje vas prate prosljeđivanje. Dodirnite ikonu da biste smjesta poslali.

    Pridruži se razgovoru

    Pomoću odgovora dodajte sve što mislite o nekom tweetu. Pronađite temu koja vam je važna i uključite se.

    Saznajte najnovije vijesti

    Bez odgode pogledajte o čemu ljudi razgovaraju.

    Pratite više onoga što vam se sviđa

    Pratite više računa da biste dobivali novosti o temama do kojih vam je stalo.

    Saznajte što se događa

    Bez odgode pogledajte najnovije razgovore o bilo kojoj temi.

    Ne propustite nijedan aktualni događaj

    Bez odgode pratite kako se razvijaju događaji koje pratite.

    Adam Kosiorek‏ @arkosiorek 16. pro 2019.
    • Prijavi Tweet

    This paper had the biggest subjective "wow" factor for me at #NeurIPS2019: "Deep Set Prediction Networks" by Yan Zhang, Jonathon Hare, Adam Prügel-Bennett https://arxiv.org/abs/1906.06565 . The idea is very simple, and yet I find it mind-blowing.

    08:21 - 16. pro 2019.
    • 36 proslijeđenih tweetova
    • 187 oznaka „sviđa mi se”
    • Virendra Dhakhada mlearning Alex Dimakis Robert Ebo Armah-Sekum doןɟɐɹɹǝʇ@ Ryo Kimura Hamid EBZD Sandesh Rao Françoise Morvan #emojiBZH
    7 replies 36 proslijeđenih tweetova 187 korisnika označava da im se sviđa
      1. Adam Kosiorek‏ @arkosiorek 17. pro 2019.
        • Prijavi Tweet

        The idea is that you can predict a set from any conditioning by: 1. Encoding the conditioning. 2. Encoding a randomly initialised set of some maximum size. 3. Running gradient descent on the set to match its encoding to the encoding of the conditioning.

        0 replies 0 proslijeđenih tweetova 9 korisnika označava da im se sviđa
        Prikaži ovu nit
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi
      1. Adam Kosiorek‏ @arkosiorek 17. pro 2019.
        • Prijavi Tweet

        by @Cyanogenoid and @jon_hare

        0 replies 0 proslijeđenih tweetova 0 korisnika označava da im se sviđa
        Prikaži ovu nit
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi
      1. Novi razgovor
      2. Roberto Paredes‏ @RobertoParPal 16. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @arkosiorek

        Not sure I understood but I expected something different from the notion of set. Nothing related to images.

        1 reply 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      3. Adam Kosiorek‏ @arkosiorek 17. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @RobertoParPal

        I guess the authors are vision-oriented, but the same principle can be used to predict any set, e.g. 3D point cloud, a set of users using a service at a particular time, or a set of products of a chemical reaction.

        1 reply 0 proslijeđenih tweetova 3 korisnika označavaju da im se sviđa
      4. Još 2 druga odgovora
      1. Novi razgovor
      2. Danijar Hafner‏ @danijarh 16. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @arkosiorek

        What's the idea?

        1 reply 1 proslijeđeni tweet 5 korisnika označava da im se sviđa
      3. Adam Kosiorek‏ @arkosiorek 17. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @danijarh

        The idea is that you can predict a set from any conditioning by: 1. Encoding the conditioning. 2. Encoding a randomly initialised set of some maximum size. 3. Running gradient descent on the set to match its encoding to the encoding of the conditioning.

        0 replies 0 proslijeđenih tweetova 6 korisnika označava da im se sviđa
      4. Kraj razgovora
      1. Novi razgovor
      2. Hyunjik Kim‏ @hyunjik11 18. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @arkosiorek

        This paper reminds me of the GLO paper https://arxiv.org/abs/1707.05776  where you can do inference in GANs (i.e. map image to the latent z) by running gradient descent on z to match the image. Applying this idea to infer sets is clever. @Cyanogenoid perhaps worth citing GLO?

        3 proslijeđena tweeta 8 korisnika označava da im se sviđa
      3. Adam Kosiorek‏ @arkosiorek 18. pro 2019.
        • Prijavi Tweet
        Odgovor korisnicima @hyunjik11 @Cyanogenoid

        Good find, thanks @hyunjik11!

        0 replies 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      4. Kraj razgovora
      1. Yan‏ @Cyanogenoid 17. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @arkosiorek

        I'm super happy to hear that you liked it this much! This made my day!

        0 replies 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi
      1. Damien de Mijolla‏ @DMijolla 17. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @arkosiorek

        Really interesting paper although for me I would be curious to see how it scales on harder problems (for example higher dimensional sets). It feels for me like re-learning the representation through gradient descent might not be computationally feasible for some complex problems.

        0 replies 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi

    Čini se da učitavanje traje već neko vrijeme.

    Twitter je možda preopterećen ili ima kratkotrajnih poteškoća u radu. Pokušajte ponovno ili potražite dodatne informacije u odjeljku Status Twittera.

      Sponzorirani tweet

      false

      • © 2020 Twitter
      • O Twitteru
      • Centar za pomoć
      • Uvjeti
      • Pravila o privatnosti
      • Imprint
      • Kolačići
      • Informacije o oglasima