Анализ страницы https://wessel.ai/publications
Основное Готовность: 75%
Домен
wessel.ai
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 19.11.2026 6:48:46.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,34сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,34сек оптимальна.
Объем документа
41Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 41Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 11
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 11 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | /assets/css/normalize.css | |
| stylesheet | /assets/css/h5bp.css | |
| stylesheet | /assets/css/solarized-light.css | |
| stylesheet | /assets/css/style.css | |
| js | https://ajax.googleapis.com/ajax/libs/jquery/3.3.1/jquery.min.js | |
| js | https://cdnjs.cloudflare.com/ajax/libs/modernizr/2.8.3/modernizr.min.js | |
| js | text/javascript | /assets/resolve_email.js |
| js | text/javascript | /assets/responsive.js |
| js | text/javascript | /assets/links.js |
| js | text/javascript | /assets/code_panes.js |
| js | text/javascript | https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-svg.js |
Серверные заголовки
Кол-во: 17
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 17шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "6a6a1076-a4e9" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 580C:10D7A:4988799:4A26576:6A8B0D3A |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 15:09:46 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230228-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787497787.538307,VS0,VE110 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 7ec684ecd1b5a30eac4dbe4c815d537f13be531c |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 32%
Title
Publications · W.
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 17, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Thoughts on machine learning and other topics
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо увеличить число символов в description (текущее значение мало: 45, минимум: 80, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 2
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 2шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | description | Thoughts on machine learning and other topics |
| name | viewport | width=device-width, initial-scale=1 |
Оптимизация Готовность: 60%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в одном экземпляре).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 227 достаточно.
Среднее число слов в абзаце 28 достаточно.
Кол-во знаков контента 13353 на странице оптимально.
Кол-во слов 1975 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 5. Это хорошо.
Тошнота
8,72
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
0,91%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота не дотягивает до нормы 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| bruinsma | 76 | 3,85% |
| turner | 39 | 1,97% |
| neural | 30 | 1,52% |
| learning | 27 | 1,37% |
| requeima | 24 | 1,22% |
| processes | 23 | 1,16% |
| conference | 23 | 1,16% |
| gaussian | 23 | 1,16% |
| international | 19 | 0,96% |
| process | 15 | 0,76% |
| markou | 14 | 0,71% |
| advances | 12 | 0,61% |
| university | 12 | 0,61% |
| systems | 11 | 0,56% |
| hosking | 10 | 0,51% |
| machine | 10 | 0,51% |
| bayesian | 10 | 0,51% |
| inference | 10 | 0,51% |
| foundation | 9 | 0,46% |
| system | 9 | 0,46% |
Индексация Готовность: 30%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 89 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 78 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
# www.robotstxt.org/
# Allow crawling of all content
User-agent: *
Disallow:
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 78
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 78 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
w.
|
|
| / |
home
|
|
| /posts-by-tag |
posts by tag
|
|
| /posts |
posts
|
|
| /publications |
publications
|
|
| /software |
software
|
|
| /about |
about
|
|
| /assets/publications/Bodnar, 2025, A Foundation Model for the Earth System.pdf |
<p class="title">
<date>2025</date>
A Foundation Model for the Earth System
</p>
<p>Bodnar, C., Bruinsma, W. P., Lucic, A., Stanley, M., Allen, A., Brandstetter, J., Garvan, J., Riechert, M., Weyn, J., Dong, H., Gupta, J. K., Tambiratnam, K., Archibald, A., Wu, C., Heider, E., Welling, M., Turner, R. E., Perdikaris, P.</p>
<p>Nature</p>
|
|
| /assets/publications/Allen, 2025, End-to-End Data-Driven Weather Prediction.pdf |
<p class="title">
<date>2025</date>
End-to-End Data-Driven Weather Prediction
</p>
<p>Allen, A., Markou, S., Tebbutt, W., Requeima, J., Bruinsma, W. P., Andersson, T. R., Herzog, M., Lane, N. D., Chantry, M., Hosking, J. S., and Turner, R. E.</p>
<p>Nature</p>
|
|
| /assets/publications/Selz, 2025, On the Effective Resolution of AI Weather Prediction Models.pdf |
<p class="title">
<date>2025</date>
On the Effective Resolution of AI Weather Prediction Models
</p>
<p>Selz, T., Bruinsma, W., Craig, G. C., Markou, S., Turner, R. E., Vaughan, A.</p>
<p>preprint</p>
|
|
| /assets/publications/Ashman, 2024, Approximately Equivariant Neural Processes.pdf |
<p class="title">
<date>2024</date>
Approximately Equivariant Neural Processes
</p>
<p>Ashman, M., Diaconu, C., Weller, A., Bruinsma, W. P., and Turner, R. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 37th</p>
|
|
| /assets/publications/Raisa, 2024, Noise-Aware Differentially Private Regression via Meta-Learning.pdf |
<p class="title">
<date>2024</date>
Noise-Aware Differentially Private Regression via Meta-Learning
</p>
<p>Räisä, O., Markou, S., Ashman, M., Bruinsma, W. P., Tobaben, M., Honkela, A., and Turner, R. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 37th</p>
|
|
| /assets/publications/Chien, 2024, Safe Exploration in Dose Finding Clinical Trials with Heterogeneous Participants.pdf |
<p class="title">
<date>2024</date>
Safe Exploration in Dose Finding Clinical Trials with Heterogeneous Participants
</p>
<p>Chien, I., Bruinsma, W. P., Gonzalez, J., and Turner, R. E.</p>
<p>International Conference on Machine Learning (ICML), 41th</p>
|
|
| /assets/publications/Ashman, 2024, Translation-Equivariant Transformer Neural Processes.pdf |
<p class="title">
<date>2024</date>
Translation-Equivariant Transformer Neural Processes
</p>
<p>Ashman, M., Diaconu, C., Kim, J., Sivaraya, J., Markou, S., Requeima, J., Bruinsma, W. P., and Turner, R. E.</p>
<p>International Conference on Machine Learning (ICML), 41th</p>
|
|
| /assets/publications/Bruinsma, 2023, Autoregressive Conditional Neural Processes.pdf |
<p class="title">
<date>2023</date>
Autoregressive Conditional Neural Processes
</p>
<p>Bruinsma, W. P., Markou, S., Requeima, J., Foong, A. Y. K., Andersson, T. R., Vaughan, A., Anthony, B., Hosking, J. S., and Turner, R. E.</p>
<p>International Conference on Representation Learning (ICLR), 11th</p>
|
|
| /assets/publications/Andersson, 2023, Environmental Sensor Placement with Convolutional Gaussian Neural Processes.pdf |
<p class="title">
<date>2023</date>
Environmental Sensor Placement with Convolutional Gaussian Neural Processes
</p>
<p>Andersson, T. R., Bruinsma, W. P., Markou, S., Requeima, J., Coca-Castro, A., Vaughan, A., Ellis, A.-L., Lazzara, M., Jones, D. C., Hosking, J. S., and Turner, R. E.</p>
<p>Environmental Data Science 2</p>
|
|
| /assets/publications/Lalchand, 2022, Sparse Gaussian Process Hyperparameters, Optimize or Integrate.pdf |
<p class="title">
<date>2022</date>
Sparse Gaussian Process Hyperparameters: Optimize or Integrate?
</p>
<p>Lalchand, V., Bruinsma, W. P., Burt, D. R., and Rasmussen, C. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 36th</p>
|
|
| /assets/publications/Rawat, 2022, Challenges and Pitfalls of Bayesian Unlearning.pdf |
<p class="title">
<date>2022</date>
Challenges and Pitfalls of Bayesian Unlearning
</p>
<p>Rawat, A., Requeima, J. R., Bruinsma, W. P., and Turner, R. E.</p>
<p>Updatable Machine Learning (UpML), ICML 2022 Workshop on</p>
|
|
| /assets/publications/Foong, 2022, A Note on the Chernoff Bound for Random Variables in the Unit Interval.pdf |
<p class="title">
<date>2022</date>
A Note on the Chernoff Bound for Random Variables in the Unit Interval
</p>
<p>Foong, A. Y. K., Bruinsma, W. P., and Burt, D.</p>
<p>arXiv:2205.07880</p>
|
|
| /assets/publications/Bruinsma, 2022, Modelling Non-Smooth Signals With Complex Spectral Structure.pdf |
<p class="title">
<date>2022</date>
Modelling Non-Smooth Signals with Complex Spectral Structure
</p>
<p>Bruinsma, W. P., Tegnér, M., and Turner, R. E.</p>
<p>Artificial Intelligence and Statistics (AISTATS), 25th International Conference on</p>
|
|
| /assets/publications/Coker, 2022, Wide Mean-Field Bayesian Neural Networks Ignore the Data.pdf |
<p class="title">
<date>2022</date>
Wide Mean-Field Bayesian Neural Networks Ignore the Data
</p>
<p>Coker, B., Burt D., Bruinsma, W. P., Pan W., and Doshi–Velez, F.</p>
<p>Artificial Intelligence and Statistics (AISTATS), 25th International Conference on</p>
|
|
| /assets/publications/Markou, 2022, Practical Conditional Neural Processes Via Tractable Dependent Predictions.pdf |
<p class="title">
<date>2022</date>
Practical Conditional Neural Processes Via Tractable Dependent Predictions
</p>
<p>Markou, S., Requeima, J. R., Bruinsma, W. P., and Turner, R. E.</p>
<p>International Conference on Learning Representations (ICLR), 10th</p>
|
|
| /assets/publications/Markou, 2021, Efficient Gaussian Neural Processes for Regression.pdf |
<p class="title">
<date>2021</date>
Efficient Gaussian Neural Processes for Regression
</p>
<p>Markou, S., Requeima, J. R., Brunisma, W. P., and Turner, R. E.</p>
<p>Uncertainty & Robustness in Deep Learning (UDL), ICML 2021 Workshop on</p>
|
|
| /assets/publications/Foong, 2021, How Tight Can PAC-Bayes be in the Small Data Regime.pdf |
<p class="title">
<date>2021</date>
How Tight Can PAC-Bayes be in the Small Data Regime?
</p>
<p>Foong, A. Y. K., Bruinsma W. P., Burt D. R., and Turner, R. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 35th</p>
|
|
| /assets/publications/Bruinsma, 2021, The Gaussian Neural Process.pdf |
<p class="title">
<date>2021</date>
The Gaussian Neural Process <span class="tag">contributed talk</span>
</p>
<p>Bruinsma, W. P., Requeima, J., Foong, A. Y. K., Gordon, J., and Turner, R. E.</p>
<p>Advances in Approximate Bayesian Inference (AABI), 3rd Symposium on</p>
|
|
| /assets/publications/Xia, 2021, The Gaussian Process Latent Autoregressive Model.pdf |
<p class="title">
<date>2021</date>
The Gaussian Process Latent Autoregressive Model
</p>
<p>Xia, R., Bruinsma, W. P., Tebbutt, W., and Turner, R. E.</p>
<p>Advances in Approximate Bayesian Inference (AABI), 3rd Symposium on</p>
|
|
| /assets/publications/Foong, 2020, Meta-Learning Stationary Stochastic Process Prediction With Convolutional Neural Processes.pdf |
<p class="title">
<date>2020</date>
Meta-Learning Stationary Stochastic Process Prediction with Convolutional Neural Processes
</p>
<p>Foong, A. Y. K., Bruinsma W. P., Gordon. J., Dubois, Y., Requeima, J., and Turner, R. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 33th</p>
|
|
| /assets/publications/Bruinsma, 2020, Scalable Exact Inference in Multi-Output Gaussian Processes.pdf |
<p class="title">
<date>2020</date>
Scalable Exact Inference in Multi-Output Gaussian Processes
</p>
<p>Bruinsma, W. P., Perim E., Tebbutt W., Hosking, J. S., Solin, A., and Turner, R. E.</p>
<p>International Conference on Machine Learning (ICML), 37th</p>
|
|
| /assets/publications/Gordon, 2020, Convolutional Conditional Neural Processes.pdf |
<p class="title">
<date>2020</date>
Convolutional Conditional Neural Processes <span class="tag">oral presentation</span>
</p>
<p>Gordon, J., Bruinsma W. P., Foong, A. Y. K., Requeima, J., Dubois Y., and Turner, R. E.</p>
<p>International Conference on Learning Representations (ICLR), 8th</p>
|
|
| /assets/publications/Berkovich, 2019, GP-ALPS, Automatic Latent Process Selection for Multi-Output Gaussian Process Models.pdf |
<p class="title">
<date>2019</date>
GP-ALPS: Automatic Latent Process Selection for Multi-Output Gaussian Process Models
</p>
<p>Berkovich, B., Perim, E., and Bruinsma, W. P.</p>
<p>Advances in Approximate Bayesian Inference (AABI), 2nd Symposium on</p>
|
|
| /assets/publications/Requeima, 2019, The Gaussian Process Autoregressive Regression Model (GPAR).pdf |
<p class="title">
<date>2019</date>
The Gaussian Process Autoregressive Model (GPAR)
</p>
<p>Requeima, J., Tebbutt, W. C., Bruinsma, W. P., and Turner, R. E.</p>
<p>Artificial Intelligence and Statistics (AISTATS), 22nd International Conference on</p>
|
|
| /assets/arxiv/Bruinsma, 2018, Learning Causally-Generated Stationary Time Series.pdf |
<p class="title">
<date>2018</date>
Learning Causally Generated Stationary Time Series
</p>
<p>Bruinsma, W. P. and Turner, R. E.</p>
<p>arXiv:1802.08167</p>
|
|
| /assets/publications/Bosma, 2017, Grating Lobes Prediction in 3D Array Antennas.pdf |
<p class="title">
<date>2017</date>
Grating Lobe Prediction in 3D Array Antennas
</p>
<p>Bosma, S., Bruinsma, W. P., Hes, R. P., Bentum, M. J., and Lager, I. E.</p>
<p>Antennas and Propagation (EuCAP), 11th European Conference on</p>
|
|
| /assets/publications/Bruinsma, 2016, Radiation Properties of Moving Constellations of Satellites.pdf |
<p class="title">
<date>2016</date>
Radiation Properties of Moving Constellations of (Nano) Satellites: A Complexity Study
</p>
<p>Bruinsma, W. P., Hes, R. P., Bosma, S., Lager, I. E., and Bentum, M. J.</p>
<p>Antennas and Propagation (EuCAP), 10th European Conference on</p>
|
|
| /assets/publications/Lager, 2015, Beamforming in Sparse, Random, 3D Array Antennas with Fluctuating Element Locations.pdf |
<p class="title">
<date>2015</date>
Beamforming in Sparse, Random, 3D Array Antennas with Fluctuating Element Locations
</p>
<p>Bentum, M. J., Lager, I. E., Bosma, S., Bruinsma, W. P., and Hes, R. P.</p>
<p>Antennas and Propagation (EuCAP), 9th European Conference on</p>
|
|
| /assets/talks/Bruinsma, Aurora, A Foundation Model for the Earth System (UCL AI Centre, Handout).pdf |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System
</p>
<p>Bruinsma, W. P.</p>
<p>UCL AI Centre, London</p>
|
|
| /assets/talks/Bruinsma, Aurora, A Foundation Model for the Earth System (USGS, Handout).pdf |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System
</p>
<p>Bruinsma, W. P.</p>
<p>CDI AI/ML Webinar, US Geological Survey, Online</p>
|
|
| /assets/talks/Bruinsma, Aurora, A Foundation Model for the Earth System (AI4X, Handout).pdf |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System <span class="tag">plenary</span>
</p>
<p>Bruinsma, W. P.</p>
<p>AI4X 2025</p>
|
|
| /assets/talks/Bruinsma, Aurora, A Foundation Model for the Earth System (RMetS, Handout).pdf |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System <span class="tag">keynote</span>
</p>
<p>Bruinsma, W. P.</p>
<p>RMetS Early Careers and Student Conference 2025</p>
|
|
| /assets/talks/Bruinsma, Aurora, A Foundation Model for the Earth System (SLAC, Handout).pdf |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System
</p>
<p>Bruinsma, W. P.</p>
<p>Statistical Learning in Atmospheric Chemistry (SLAC) Community, Online</p>
|
|
| /assets/talks/Bruinsma, Aurora, A Foundation Model for the Earth System (KNMI, Handout).pdf |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System
</p>
<p>Bruinsma, W. P.</p>
<p>Building a Dutch AI-Earth System Modeling Community, KNMI, De Bilt</p>
|
|
| /assets/talks/Bruinsma, Foundation Models for Earth Systems (Lorentz, Handout).pdf |
<p class="title">
<date>2024</date>
Foundation Models for Earth Systems
</p>
<p>Bruinsma, W. P.</p>
<p>The Lorentz Center Workshop: Advancing Ecosystem Carbon Flux Research</p>
|
|
| /assets/talks/Bruinsma, Autoregressive Conditional Neural Processes (MLLS) (Handout).pdf |
<p class="title">
<date>2024</date>
Autoregressive Conditional Neural Processes
</p>
<p>Bruinsma, W. P.</p>
<p>Center for Basic Machine Learing in Life Sciences (MLLS), University of Copenhagen</p>
|
|
| /assets/talks/Bruinsma, Autoregressive Conditional Neural Processes (Handout).pdf |
<p class="title">
<date>2023</date>
Autoregressive Conditional Neural Processes
</p>
<p>Bruinsma, W. P., Markou, S., Requeima, J., Foong, A. Y. K., Andersson, T. R., Vaughan, A., Anthony, B., Hosking, J. S., and Turner, R. E.</p>
<p>International Conference on Representation Learning (ICLR), 11th</p>
|
|
| /assets/talks/Bruinsma, Meta-Learning as Prediction Map Approximation (Handout).pdf |
<p class="title">
<date>2023</date>
Meta-Learning as Prediction Map Approximation
</p>
<p>Bruinsma, W. P.</p>
<p>Sheffield Machine Learning Group, University of Sheffield</p>
|
|
| /assets/talks/Bruinsma, Cover's Guessing Game (Handout).pdf |
<p class="title">
<date>2021</date>
Cover's Guessing Game
</p>
<p>Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, The Gaussian Neural Process (Handout).pdf |
<p class="title">
<date>2020</date>
The Gaussian Neural Process
</p>
<p>Bruinsma, W. P., Requeima J., Foong, A. Y. K., Gordon, J., and Turner, R. E.</p>
<p>Advances in Approximate Bayesian Inference (AABI), 3rd Symposium on</p>
|
|
| /assets/talks/Bruinsma, On Sparse Variational Methods and the KL Divergence Between Stochastic Processes (Handout).pdf |
<p class="title">
<date>2020</date>
On Sparse Variational Methods and the KL Between Stochastic Processes
</p>
<p>Bruinsma, W. P.</p>
<p>Gaussian Process Reading Group</p>
|
|
| /assets/talks/Hron, Sequential Inference and Decision Making (Handout).pdf |
<p class="title">
<date>2020</date>
Sequential Inference and Decision Making
</p>
<p>Hron, J. and Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, NeuralProcesses.jl.pdf |
<p class="title">
<date>2020</date>
NeuralProcesses.jl: Composing Neural Processes with Flux
</p>
<p>Bruinsma, W. P., Gordon, J., and Turner, R. E.</p>
<p>JuliaCon</p>
|
|
| /assets/talks/Bruinsma, Scalable Exact Inference in Multi-Output Gaussian Processes (Handout).pdf |
<p class="title">
<date>2020</date>
Scalable Exact Inference in Multi-Output Gaussian Processes
</p>
<p>Bruinsma, W. P., Perim E., Tebbutt, W., Hosking, J. S., Solin, A., and Turner, R. E.</p>
<p>International Conference on Machine Learning (ICML), 37th</p>
|
|
| /assets/talks/Bruinsma, Compositional Model Design, High-Dimensional Multi-Output Regression (Handout).pdf |
<p class="title">
<date>2020</date>
Compositional Model Design: High-Dimensional Multi-Output Regression
</p>
<p>Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, Points and Circles (Handout).pdf |
<p class="title">
<date>2020</date>
Points and Circles
</p>
<p>Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, Orthogonal Bases for Multi-Output Gaussian Processes (Handout).pdf |
<p class="title">
<date>2019</date>
Orthogonal Bases for Multi-Output Gaussian Processes
</p>
<p>Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, Topic 4, Spectrum Estimation.pdf |
<p class="title">
<date>2019</date>
Spectral Methods in Gaussian Modelling: Spectrum Estimation
</p>
<p>Requeima, J. R. and Bruinsma, W. P.</p>
<p>Complex Systems Spectral Methods</p>
|
|
| /assets/talks/Bruinsma, Topic 3, Variational Inference.pdf |
<p class="title">
<date>2019</date>
Spectral Methods in Gaussian Modelling: Variational Inference
</p>
<p>Requeima, J. R. and Bruinsma, W. P.</p>
<p>Complex Systems Spectral Methods</p>
|
|
| /assets/talks/Bruinsma, Topic 2, Kernel Design.pdf |
<p class="title">
<date>2019</date>
Spectral Methods in Gaussian Modelling: Kernel Design
</p>
<p>Requeima, J. R. and Bruinsma, W. P.</p>
<p>Complex Systems Spectral Methods</p>
|
|
| /assets/talks/Bruinsma, A Bayesian Truth Serum.pdf |
<p class="title">
<date>2019</date>
A Bayesian Truth Serum
</p>
<p>Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, Agreeing to Disagree.pdf |
<p class="title">
<date>2019</date>
Agreeing to Disagree
</p>
<p>Bruinsma, W. P.</p>
<p>InveniaCon</p>
|
|
| /assets/talks/Bruinsma, GPCM.pdf |
<p class="title">
<date>2019</date>
The Gaussian Process Convolution Model
</p>
<p>Bruinsma, W. P.</p>
<p>Computational and Biological Learning Lab, University of Cambridge</p>
|
|
| /assets/talks/Bruinsma, Reasoning About The World.pdf |
<p class="title">
<date>2017</date>
Reasoning About the World
</p>
<p>Bruinsma, W. P.</p>
<p>InveniaCon</p>
|
|
| /assets/theses/Bruinsma, 2022, (Thesis) Convolutional Conditional Neural Processes.pdf |
<p class="title">
<date>2022</date>
Convolutional Conditional Neural Processes
</p>
<p>Bruinsma, W. P.</p>
<p>Department of Engineering, University of Cambridge. Thesis for the degree Doctor of Philosophy.</p>
|
|
| /assets/theses/Bruinsma, 2016, (Thesis) The Generalised Gaussian Process Convolution Model.pdf |
<p class="title">
<date>2016</date>
The Generalised Gaussian Process Convolution Model
</p>
<p>Bruinsma, W. P.</p>
<p>Department of Engineering, University of Cambridge. Thesis for the degree Master of Philosophy.</p>
|
|
| /assets/theses/Bruinsma, 2015, (Thesis) An Extensible Toolkit For Real-Time High-Performance Wideband Spectrum Sensing.pdf |
<p class="title">
<date>2015</date>
An Extensible Toolkit for Real-Time High-Performance Wideband Spectrum Sensing
</p>
<p>Bruinsma, W. P., Hes, R. P., Kroep, H. J. C., Leliveld, T. C., Melching, W. M., and aan de Wiel, T. A.</p>
<p>Faculty of Electrical Engineering, Mathematics and Computer Science, Delft University of Technology. Thesis for the degree Bachelor of Science.</p>
|
|
| /assets/posters/Bruinsma, 2023, (Poster) Autoregressive Conditional Neural Processes.pdf |
<p class="title">
<date>2023</date>
Autoregressive Conditional Neural Processes
</p>
<p>Bruinsma, W. P., Markou, S., Requeima, J., Foong, A. Y. K., Andersson, T. R., Vaughan, A., Anthony, B., Hosking, J. S., and Turner, R. E.</p>
<p>International Conference on Representation Learning (ICLR), 11th</p>
|
|
| /assets/posters/Bruinsma, 2022, (Poster) Modelling Non-Smooth Signals With Complex Spectral Structure.pdf |
<p class="title">
<date>2022</date>
Modelling Non-Smooth Signals with Complex Spectral Structure
</p>
<p>Bruinsma, W. P., Tegnér, M., and Turner, R. E.</p>
<p>Artificial Intelligence and Statistics (AISTATS), 25th International Conference on</p>
|
|
| /assets/posters/Coker, 2022, (Poster) Wide Mean-Field Bayesian Neural Networks Ignore the Data.pdf |
<p class="title">
<date>2022</date>
Wide Mean-Field Bayesian Neural Networks Ignore the Data
</p>
<p>Coker, B., Burt, D., Bruinsma, W. P., Pan, W., and Doshi–Velez, F.</p>
<p>Artificial Intelligence and Statistics (AISTATS), 25th International Conference on</p>
|
|
| /assets/posters/Markou, 2022, (Poster) Practical Conditional Neural Processes Via Tractable Dependent Predictions.pdf |
<p class="title">
<date>2022</date>
Practical Conditional Neural Processes Via Tractable Dependent Predictions
</p>
<p>Markou, S., Requeima, J. R., Bruinsma, W. P., and Turner, R. E.</p>
<p>International Conference on Learning Representations (ICLR), 10th</p>
|
|
| /assets/posters/Foong, 2021, (Poster) How Tight Can PAC-Bayes be in the Small Data Regime.pdf |
<p class="title">
<date>2021</date>
How Tight Can PAC-Bayes be in the Small Data Regime?
</p>
<p>Foong, A. Y. K., Bruinsma, W. P., Burt, D. R., and Turner, R. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 35th</p>
|
|
| /assets/posters/Foong, 2020, (Poster) Meta-Learning Stationary Stochastic Process Prediction With Convolutional Neural Processes.pdf |
<p class="title">
<date>2020</date>
Meta-Learning Stationary Stochastic Process Prediction with Convolutional Neural Processes
</p>
<p>Foong, A. Y. K., Bruinsma, W. P., Gordon, J., Dubois, Y., Requeima, J., and Turner, R. E.</p>
<p>Advances in Neural Information Processing Systems (NeurIPS), 33th</p>
|
|
| /assets/posters/Requeima, 2019, (Poster) The Gaussian Process Autoregressive Regression Model (GPAR).pdf |
<p class="title">
<date>2019</date>
The Gaussian Process Autoregressive Model (GPAR)
</p>
<p>Requeima, J., Tebbutt, W. C., Bruinsma, W. P., and Turner, R. E.</p>
<p>Artificial Intelligence and Statistics (AISTATS), 22nd International Conference on</p>
|
|
| /assets/posters/Tebbutt, 2018, (Poster) Gaussian Process Probabilistic Programming.pdf |
<p class="title">
<date>2018</date>
Gaussian Process Probabilistic Programming
</p>
<p>Tebbutt, W. C., Bruinsma, W. P., and Turner, R. E.</p>
<p>Probabilistic Programming (ProbProg), The International Conference on</p>
|
|
| /assets/posters/Bruinsma, 2016, (Poster) Learning with Nonparametric Kernels.pdf |
<p class="title">
<date>2016</date>
Learning with Nonparametric Kernels
</p>
<p>Bruinsma, W. P., Tobar, F., and Turner, R. E.</p>
<p>Industry Session for MPhil in Machine Learning and Machine Intelligence</p>
|
|
| /assets/write-ups/Requeima, Spectral Methods in Gaussian Modelling.pdf |
<p class="title">
Spectral Methods in Gaussian Modelling
</p>
<p>Requeima, J. R., and Bruinsma, W. P.</p>
|
|
| /assets/write-ups/Bruinsma, A Bayesian Truth Serum.pdf |
<p class="title">
A Bayesian Truth Serum
</p>
<p>Bruinsma, W. P.</p>
|
|
| /assets/write-ups/Bruinsma, Spike and Slab Priors.pdf |
<p class="title">
Spike and Slab Priors
</p>
<p>Bruinsma, W. P.</p>
|
|
| /assets/write-ups/Bruinsma, Agreeing to Disagree.pdf |
<p class="title">
Agreeing to Disagree
</p>
<p>Bruinsma, W. P.</p>
|
|
| /feed.xml |
Feed
|
|
Внешние ссылки
Кол-во: 9
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 9 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор |
|---|---|
| meetingorganizer.copernicus.org |
<p class="title">
<date>2025</date>
On the Effective Resolution of AI Weather Prediction Models <span class="tag">video</span>
</p>
<p>Selz, T., Bruinsma, W., Craig, G. C., Markou, S., Turner, R. E., Vaughan, A.</p>
<p>preprint</p>
|
| youtube.com |
<p class="title">
<date>2025</date>
Aurora: A Foundation Model for the Earth System <span class="tag">video</span>
</p>
<p>Bruinsma, W. P.</p>
<p>UCL AI Centre, London</p>
|
| youtube.com |
<p class="title">
<date>2023</date>
Autoregressive Conditional Neural Processes <span class="tag">video</span>
</p>
<p>Bruinsma, W. P., Markou, S., Requeima, J., Foong, A. Y. K., Andersson, T. R., Vaughan, A., Anthony, B., Hosking, J. S., and Turner, R. E.</p>
<p>International Conference on Representation Learning (ICLR), 11th</p>
|
| youtu.be |
<p class="title">
<date>2023</date>
Active Learning With Convolutional Gaussian Neural Processes For Environmental Sensor Placement <span class="tag">video</span>
</p>
<p>Andersson, T. R., Bruinsma, W. P., Markou, S., Requeima, J., Coca-Castro, A., Vaughan, A., Ellis, A.-L., Lazzara, M., Jones, D. C., Hosking, J. S., and Turner, R. E.</p>
<p>Environmental Data Science (Climate Informatics 2023 Special Issue)</p>
|
| youtube.com |
<p class="title">
<date>2020</date>
The Gaussian Neural Process <span class="tag">video</span>
</p>
<p>Bruinsma, W. P., Requeima, J., Foong, A. Y. K., Gordon, J., and Turner, R. E.</p>
<p>Advances in Approximate Bayesian Inference (AABI), 3rd Symposium on</p>
|
| youtube.com |
<p class="title">
<date>2020</date>
NeuralProcesses.jl: Composing Neural Processes with Flux <span class="tag">video</span>
</p>
<p>Bruinsma, W. P., Gordon, J., and Turner, R. E.</p>
<p>JuliaCon</p>
|
| youtube.com |
<p class="title">
<date>2020</date>
Scalable Exact Inference in Multi-Output Gaussian Processes <span class="tag">video</span>
</p>
<p>Bruinsma, W. P., Perim, E., Tebbutt, W., Hosking, J. S., Solin, A., and Turner, R. E.</p>
<p>International Conference on Machine Learning (ICML), 37th</p>
|
| jekyllrb.com |
Jekyll
|
| icons8.com |
Icons8
|
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Страница https://wessel.ai/publications готова к продвижению на 49%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: