• Fine-Tuning BERT for Document Ranking 

      Steensland, Øyvind (Master thesis, 2021)
      Dokumentrangering handler om å rangere en liste dokumenter basert på en søketekst slik at de mest relevante dokumentene kommer øverst på lista. Dette brukes blant annet i søkemotorer eller vitenskapelige databaser. I denne ...
    • Linearized Difference Networks as Approximate Kernel Methods 

      Wind, Johan Sokrates (Master thesis, 2019)
      I denne artikkelen studerer vi nevrale nettverk som tilnærminger til en relatert kjerne-metode (kernel method). Vi analyserer forutsigelsene gjort av et enkelt nevralt nettverk med et skjult lag. To kilder til varians i ...
    • Penalising Model Component Complexity: A Principled, Practical Approach to Constructing Priors 

      Simpson, Daniel; Rue, Håvard; Riebler, Andrea Ingeborg; Martins, Thiago Guerrera; Sørbye, Sigrunn Holbek (Journal article; Peer reviewed, 2017)
      In this paper, we introduce a new concept for constructing prior distributions. We exploit the natural nested structure inherent to many model components, which defines the model component to be a flexible extension of a ...
    • Propagating Variance in Reinforcement Learning Using Bayesian Regression 

      Münter, Rasmus A. Wichstrøm (Master thesis, 2019)
      I reinforcement learning kan bruk av bayesiske metoder føre til nesten optimale resultater på exploration-exploitation trade-off. For at disse metodene skal lykkes bør man ta hensyn til forholdet mellom forskjellige ...
    • Video understanding with the Youtube-8M dataset 

      Kopczynski, Piotr Ludvig (Master thesis, 2022)
      I dette prosjektet ble dyplæringsmodeller trent på Youtube-8M datasettet, som er et stort benchmark for for multi-label videoklassifisering, og evaluert ved hjelp av F1-score. De trente modellene brukte forskjellige metoder ...
    • You Just Keep on Pushing My Love over the Borderline: A Rejoinder 

      Simpson, Daniel; Rue, Håvard; Riebler, Andrea Ingeborg; Martins, Thiago Guerrera; Sørbye, Sigrunn Holbek (Journal article; Peer reviewed, 2017)
      The entire reason that we wrote this paper was to provide a concrete object around which to focus a broader discussion about prior choice and we are extremely grateful to the editorial team at Statistical Science for this ...