Описание
Неопределённость, распространение неопределённости, байесовский вывод, слияние датчиков, временные ряды, гауссовские процессы, интеграция научных/пользовательских знаний в машинное обучение, нейронные сети для дифференциальных уравнений, вероятностное глубокое обучение, последовательное принятие решений. Кейс-стади будут взяты из различных областей, включая биомедицину, автономные транспортные средства, датчики и обработку сигналов.
Текст источника на языке оригинала
Uncertainty, uncertainty propagation, Bayesian inference, sensor fusion, time series, Gaussian processes, integrating scientific/user knowledge into machine learning, neural networks for differential equations, probabilistic deep learning, sequential decision making. Case studies will be drawn from various fields including biomedical, autonomous vehicles, sensors, and signal processing.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/grad/courses/COMP/