Tycho F. A. van der Ouderaa

23 papers A* 7A 1Journal 12Unranked 3

Year	Rank	Type	Title / Venue / Authors
2026	J	`jnl`	Leech Lattice Vector Quantization for Efficient LLM Compression. CoRR Tycho F. A. van der Ouderaa, Mart van Baalen, Paul N. Whatmough, Markus Nagel
2024	A*	`conf`	Noether's Razor: Learning Conserved Quantities. NeurIPS Tycho F. A. van der Ouderaa, Mark van der Wilk, Pim de Haan
2024	J	`jnl`	Noether's razor: Learning Conserved Quantities. CoRR Tycho F. A. van der Ouderaa, Mark van der Wilk, Pim de Haan
2024	J	`jnl`	Pyramid Vector Quantization for LLMs. CoRR Tycho F. A. van der Ouderaa, Maximilian L. Croci, Agrin Hilmkil, James Hensman
2024	A*	`conf`	The LLM Surgeon. ICLR Tycho F. A. van der Ouderaa, Markus Nagel, Mart van Baalen, Tijmen Blankevoort
2024	—	`conf`	Variational Inference Failures Under Model Symmetries: Permutation Invariant Posteriors for Bayesian Neural Networks. GRaM Yoav Gelberg, Tycho F. A. van der Ouderaa, Mark van der Wilk, Yarin Gal
2024	J	`jnl`	Variational Inference Failures Under Model Symmetries: Permutation Invariant Posteriors for Bayesian Neural Networks. CoRR Yoav Gelberg, Tycho F. A. van der Ouderaa, Mark van der Wilk, Yarin Gal
2023	A*	`conf`	Learning Layer-wise Equivariances Automatically using Gradients. NeurIPS Tycho F. A. van der Ouderaa, Alexander Immer, Mark van der Wilk
2023	J	`jnl`	Learning Layer-wise Equivariances Automatically using Gradients. CoRR Tycho F. A. van der Ouderaa, Alexander Immer, Mark van der Wilk
2023	A*	`conf`	Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels. ICML Alexander Immer, Tycho F. A. van der Ouderaa, Mark van der Wilk, Gunnar Rätsch, Bernhard Schölkopf
2023	J	`jnl`	Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels. CoRR Alexander Immer, Tycho F. A. van der Ouderaa, Mark van der Wilk, Gunnar Rätsch, Bernhard Schölkopf
2023	J	`jnl`	The LLM Surgeon. CoRR Tycho F. A. van der Ouderaa, Markus Nagel, Mart van Baalen, Yuki M. Asano, Tijmen Blankevoort
2022	A*	`conf`	Invariance Learning in Deep Neural Networks with Differentiable Laplace Approximations. NeurIPS Alexander Immer, Tycho F. A. van der Ouderaa, Gunnar Rätsch, Vincent Fortuin, Mark van der Wilk
2022	J	`jnl`	Invariance Learning in Deep Neural Networks with Differentiable Laplace Approximations. CoRR Alexander Immer, Tycho F. A. van der Ouderaa, Vincent Fortuin, Gunnar Rätsch, Mark van der Wilk
2022	J	`jnl`	Learning Invariant Weights in Neural Networks. CoRR Tycho F. A. van der Ouderaa, Mark van der Wilk
2022	A	`conf`	Learning invariant weights in neural networks. UAI Tycho F. A. van der Ouderaa, Mark van der Wilk
2022	A*	`conf`	Relaxing Equivariance Constraints with Non-stationary Continuous Filters. NeurIPS Tycho F. A. van der Ouderaa, David W. Romero, Mark van der Wilk
2022	J	`jnl`	Relaxing Equivariance Constraints with Non-stationary Continuous Filters. CoRR Tycho F. A. van der Ouderaa, David W. Romero, Mark van der Wilk
2022	—	`conf`	Sparse Convolutions on Lie Groups. NeurReps Tycho F. A. van der Ouderaa, Mark van der Wilk
2020	—	`conf`	Deep Group-Wise Variational Diffeomorphic Image Registration. TIA@MICCAI Tycho F. A. van der Ouderaa, Ivana Isgum, Wouter B. Veldhuis, Bob D. de Vos
2020	J	`jnl`	Deep Group-wise Variational Diffeomorphic Image Registration. CoRR Tycho F. A. van der Ouderaa, Ivana Isgum, Wouter B. Veldhuis, Bob D. de Vos
2019	A*	`conf`	Reversible GANs for Memory-Efficient Image-To-Image Translation. CVPR Tycho F. A. van der Ouderaa, Daniel E. Worrall
2019	J	`jnl`	Reversible GANs for Memory-efficient Image-to-Image Translation. CoRR Tycho F. A. van der Ouderaa, Daniel E. Worrall