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 carlesgelada
Carles Gelada
Carles Gelada
Carles Gelada
@carlesgelada

Tweets

Carles Gelada

@carlesgelada

Research Scientist @openai working on RL. Highschool dropout, self-taught, ex Google Brain Resident.

Montreal Canada
cgel.github.io
Vrijeme pridruživanja: ožujak 2016.

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.

    Carles Gelada‏ @carlesgelada 21. pro 2019.
    • Prijavi Tweet

    Controversial opinion: Bayesian NNs make no sense. You only want to use Bayes rule if you have a reasonable prior of what the parameters should be. Nobody knows what is encoded by any prior over the weights of a NN. So why would we use such a prior? 1/4

    21:20 - 21. pro 2019.
    • 122 proslijeđena tweeta
    • 675 oznaka „sviđa mi se”
    • helen_will eax Christos Tsirigotis Margaret Babacar lô David Englert Miguel I. Solano Krut Patel alper
    31 reply 122 proslijeđena tweeta 675 korisnika označava da im se sviđa
      1. Novi razgovor
      2. Carles Gelada‏ @carlesgelada 21. pro 2019.
        • Prijavi Tweet

        Sure many regularizations have a Bayesian interpretation… but everyone and their mama has an interpretation of what regularizations do. The question is: What did we gain from it being Bayesian? 2/4

        1 reply 1 proslijeđeni tweet 66 korisnika označava da im se sviđa
        Prikaži ovu nit
      3. Carles Gelada‏ @carlesgelada 21. pro 2019.
        • Prijavi Tweet

        You could say that BNNs allow us to empirically find regularizations which can’t be implemented as anything other than Bayesian priors. Yes, but what is the reason to believe that this space of regularizations is more interesting than any other? Others are easier to work with 3/4

        1 proslijeđeni tweet 53 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      4. Carles Gelada‏ @carlesgelada 21. pro 2019.
        • Prijavi Tweet

        Another way BNNs could be used is as a Bayesian-meta-learning framework, where we meta learn a prior so that the learning of a new task’s weights is fast. Potentially useful but again, no reason to believe this will be a better meta-learning framework than any other. 4/4

        6 replies 1 proslijeđeni tweet 71 korisnik označava da mu se sviđa
        Prikaži ovu nit
      5. Kraj razgovora
      1. Novi razgovor
      2. Federico Vaggi‏ @F_Vaggi 22. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @carlesgelada

        Most Bayesian NNs are interesting only insofar as they give you a way to get calibrated probabilistic outputs. In practice, model ensembles (which, as you pointed out, can be given a Bayesian interpretation) seem to work much better.

        1 proslijeđeni tweet 28 korisnika označava da im se sviđa
      3. Stanislav Fort‏ @stanislavfort 22. pro 2019.
        • Prijavi Tweet
        Odgovor korisnicima @F_Vaggi @carlesgelada

        We looked at the comparison of some common Bayesian methods and ensembles in our recent paper Deep Ensembles: A Loss Landscape Perspective https://arxiv.org/abs/1912.02757  both in terms of accuracy as well as calibration scores

        8 proslijeđenih tweetova 75 korisnika označava da im se sviđa
      4. Još 1 odgovor
      1. Tweet je nedostupan.
      2. George Stamatescu‏ @stammertescu 22. pro 2019.
        • Prijavi Tweet
        Odgovor korisnicima @ndrmnl @carlesgelada

        Do bayesian neural networks give you better control over the expected risk of your classifier? That seems to be a crucial point.

        1 reply 0 proslijeđenih tweetova 0 korisnika označava da im se sviđa
      3. Još 3 druga odgovora
      1. Novi razgovor
      2. JM Hernández-Lobato‏ @jmhernandez233 22. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @carlesgelada

        By being Bayesian you can perform more efficient exploration in model-free RL, improving over ensemble-based methods:https://towardsdatascience.com/successor-uncertainties-b498097827fb …

        4 proslijeđena tweeta 30 korisnika označava da im se sviđa
      3. Carles Gelada‏ @carlesgelada 23. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @jmhernandez233

        In general, exploration in RL is based on the usage of confidence intervals (over the MDP parameters or over the space of value functions). You can get CIs without the need of a prior but if you have one bayesian methods for exploration make sense.

        0 replies 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
      4. Kraj razgovora
      1. Novi razgovor
      2. Riccardo Di Sipio‏ @rdisipio 23. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @carlesgelada

        How else do you assess the uncertainty in the output of a NN? By smearing the parameters. By how much? Bayes theorem lets you calculate a prior. There is always a prior, even if one doesn't believe in Bayes theorem effectiveness (which is by definition a prior)

        1 reply 0 proslijeđenih tweetova 3 korisnika označavaju da im se sviđa
      3. Carles Gelada‏ @carlesgelada 23. pro 2019.
        • Prijavi Tweet
        Odgovor korisniku/ci @rdisipio

        There are other ways to get uncertainty estimates in deep learning. Ensambles, for example, are well known to perform much better than BNNs for this porpuse. Also, Bayes rule to calculate a prior?? Could you explain what you mean by that.

        0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      4. Još 5 drugih odgovora

    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