新加坡联合早报中文网即时报道亚洲和国际的评论、商业、体育、生活、科技与多媒体新闻,从世界各个维度报道世界经济新闻,时政新闻,突发新闻等。

当前位置:主页 > 新闻 > NIPS 2017美国四大名校霸屏,92篇论文抢先看 | NIPS 2017

NIPS 2017美国四大名校霸屏,92篇论文抢先看 | NIPS 2017

来源:联合早报中文网作者:邵湖心更新时间:2020-08-28 14:48:01阅读:

本篇文章7485字,读完约19分钟

雷科技回顾:2017年国际摄影展将于今年12月在美国长滩举行。从1987年到2000年,nips在美国丹佛举行。尽管它在加拿大温哥华、西班牙格拉纳达和加拿大蒙特利尔举行,但必须承认美国一直是世界上主要的研究地点。

最近,雷锋。(公开号码:雷锋。《科技评论》发现,nips的就业结果已经公布。在今年的nips上,美国四所著名的计算机学校(cmu、mit、加州大学伯克利分校、斯坦福大学)“认为这是理所当然的”,只有92篇论文被第一作者所在的机构录用。雷锋的人工智能技术评论统计了一个详细的列表,它被整理如下(一个双重机构被排除在统计之外):

NIPS 2017美国四大名校霸屏,92篇论文抢先看 | NIPS 2017

Cmu,37关注集体行动认可

rohit girdhar(卡内基梅隆大学)deva ramanan(卡内基梅隆大学)

一般高阶矩阵估计问题的截断奇异值分解的幂

西蒙·杜(卡耐基·梅隆大学)王艺凝(卡耐基·梅隆大学)阿尔蒂·辛格(cmu)

dykstra算法、admm和坐标下降:联系、洞察和扩展

ryan j tibshirani(卡内基梅隆大学)

通过转换函数进行假设转移学习

simon du(卡内基梅隆大学)jayanth koushik(卡内基梅隆大学)aarti singh (cmu) barnabas poczos(卡内基梅隆大学)

对抗不变特征学习

谢启哲(卡内基梅隆大学)

不完全信息博弈的安全嵌套子博弈求解

诺姆·布朗(卡内基·梅隆大学)

反问题的编码分布式计算

杨耀清(卡内基梅隆大学)

梯度下降可能需要指数时间来逃离鞍点

西蒙·杜(卡耐基·梅隆大学)金池(加州大学伯克利分校)贾森·d·李(南加州大学)迈克尔·乔丹(加州大学伯克利分校)阿尔蒂·辛格(芝加哥大学)巴纳巴斯·波佐斯(卡耐基·梅隆大学)

预测状态解码器:将未来编码到循环网络中

arun venkatraman(卡耐基梅隆大学)nicholas rhinehart(卡耐基梅隆大学)孙文(卡耐基梅隆大学)lerrel pinto(CMU)Byron boots(佐治亚理工学院/谷歌脑)kris kitani(卡耐基梅隆大学)j. bagnell(卡耐基梅隆大学)

比特币p2p网络中的去匿名化

giulia fanti(卡内基梅隆大学)

神经元群体的自适应抽样

benjamin考利(Carnegie Mellon university)Ryan Williamson(Carnegie Mellon university)Katerina Clemens(Pittsburgh university)Matthew SMI th(Pittsburgh university)Byron m Yu(Carnegie Mellon university)

变换后的无标签数据的最大边缘不变特征

潘迪·帕尔(卡耐基·梅隆大学)阿什温·坎南(卡耐基·梅隆大学)高塔姆·阿拉卡古德(卡耐基·梅隆大学)马里斯·萨维德斯(卡耐基·梅隆大学)

mmd gan:走向对矩匹配网络的更深理解

李春良(卡耐基梅隆大学)张伟成(卡耐基梅隆大学)于成(ai foundations,ibm research)杨益明(cmu)巴纳巴斯·波佐斯(卡耐基梅隆大学)

知识库推理中逻辑规则的可微学习

范阳(卡内基梅隆大学)支林·杨(卡内基梅隆大学)威廉·w·科恩(卡内基梅隆大学)

协作pac学习

avrim blum (cmu)卡尼haghtalab(Carnegie Mellon university)Ariel d procccia(Carnegie Mellon university)iiis mingda Qiao(iiis,清华大学)

使用成对比较的噪声容忍交互式学习

张弘扬(卡耐基梅隆大学)阿尔蒂·辛格(卡耐基梅隆大学)阿图尔·杜布拉斯基(卡耐基梅隆大学)凯尔·米勒(卡耐基梅隆大学)

使用期权和协方差测试进行长期非政策政策评估

赵涵·郭(卡耐基·梅隆大学/斯坦福大学)

深层集合

manzil zaheer(卡耐基梅隆大学)satwik kottur(卡耐基梅隆大学)siamak rawanbakhsh(CMU/UBC)Barnabas poczos(卡耐基梅隆大学)ruslan salakutdinov(Alexander smola(Amazon )-我们正在招聘!(

结构化生成对抗网络

张浩(卡耐基梅隆大学)邓志杰(清华大学)肖丹·梁(卡耐基梅隆大学)朱军(清华大学)埃里克·p·兴(卡耐基梅隆大学)

动态计算图中的动态操作批处理

graham neubig(卡内基梅隆大学)yoav goldberg(巴尔-伊兰大学)chris dyer (deepmind)

从未标记数据估计精确度:概率逻辑方法

emmanouil platanios(卡内基梅隆大学)hoifung poon(微软研究院)tom m mitchell(卡内基梅隆大学)eric j horvitz(微软研究院)

expxorcist:通过条件指数密度的非参数图形模型

arun suggala(卡内基梅隆大学)mladen kolar(芝加哥大学)pradeep ravikumar(卡内基梅隆大学)

显式广义二项式图的近似最优边估计

sanjiban choudhury(卡内基梅隆大学)shervin javdani(卡内基梅隆大学)siddhartha srinivasa(卡内基梅隆大学)sebastian scherer(卡内基梅隆大学)

s-凹分布下的样本和计算有效的学习算法

maria-florina balcan(卡耐基梅隆大学)张弘扬(卡耐基梅隆大学)

运动捕捉的自我监督学习

dong Xiao-Yu(卡内基梅隆大学)dong Xiao-Wei(匹兹堡大学)ersin yumer(adobe research)Katerina fraggiadaki()

随机优化中基于任务的端到端模型学习

priya donti(卡内基梅隆大学)j. zico kolter(卡内基梅隆大学)brandon amos(卡内基梅隆大学)

(卡内基梅隆大学)

统一pac和后悔:情景强化学习的统一pac界限

christoph dann(卡内基梅隆大学)tor latti more(deep mind)Emma brunskill(斯坦福大学)

网格上的高阶全变差类:极大极小理论和趋势滤波方法

王玉祥(cmu / amazon ai)

预测状态递归神经网络

carlton downey(卡内基梅隆大学)ahmed hefny(卡内基梅隆大学)byron boots(佐治亚理工学院/谷歌大脑)geoffrey gordon (cmu)约伯li(卡内基梅隆大学)

预测状态递归神经网络

carlton downey(卡内基梅隆大学)ahmed hefny(卡内基梅隆大学)byron boots(佐治亚理工学院/谷歌大脑)geoffrey gordon (cmu)约伯li(卡内基梅隆大学)

好的半监督学习需要坏的gan

戴子航(卡耐基梅隆大学)支林·杨(卡耐基梅隆大学)范杨(卡耐基梅隆大学)威廉·w·科恩(卡耐基梅隆大学)罗斯兰·萨拉赫丁诺夫(卡耐基梅隆大学)

融合套索的尖锐误差分析,涉及更广泛的设置和近似筛选

kevin lin(卡内基梅隆大学)

和积网络中矩的有效计算

赵涵(卡耐基梅隆大学)

向同龄人积极学习

keerthiram murugesan(卡内基梅隆大学)

学习模仿尾巴

Yu-王雄(卡耐基梅隆大学)deva ramanan(卡耐基梅隆大学)

关于损失函数的可分性,并重新讨论判别模型和生成模型

阿达什·普拉萨德(卡内基·梅隆大学)

麻省理工学院,20集多线性函数的视觉模型应用于网络数据

constantinos daskalakis(麻省理工学院)

通过视觉去动画获得场景物理

吴佳俊(麻省理工学院)埃里卡·卢(牛津大学),普什梅·科尔(深度思维),比尔·弗里曼(麻省理工学院/谷歌),乔希·特南鲍姆(麻省理工学院)

通过建模2.5d草图进行三维形状重建

吴佳俊(麻省理工学院)、王一凡(上海理工大学)、薛天凡(麻省理工学院)、孙兴元(上海交通大学)、比尔·弗里曼(麻省理工学院/谷歌)、乔希·特南鲍姆(麻省理工学院)

声音的形状和材料

周统·张(麻省理工学院)李秋佳(剑桥大学)贾政·黄(麻省理工学院)吴佳俊(麻省理工学院)乔希·特南鲍姆(麻省理工学院)比尔·弗里曼(麻省理工学院/谷歌)

不等式约束下的前瞻贝叶斯优化

remi lam(麻省理工学院)

基于sinkhorn迭代的最优运输的近线性时间近似算法

Jason altschuler(MIT)Jonathan weed(MIT)Philippe rigo llet(MIT)

最佳实验设计的初等对称多项式

zelda e. mariet(麻省理工学院)

分析端到端自动语音识别系统中的隐藏表示

yonatan belinkov(麻省理工学院)

马尔可夫随机场的信息论性质及其算法应用

Linus Hamilton(MIT)Frederic Koehler(MIT)ankur moitra(麻省理工)

用weisfeiler-lehman网络预测有机反应结果

晋文公(麻省理工学院计算机科学系)康纳·w·柯里(麻省理工学院化学工程系)雷吉娜·巴兹莱(麻省理工学院)汤姆米·雅克科拉(麻省理工学院)

具有可证明保证的实用数据相关度量压缩

piotr indyk(麻省理工学院)

并行流瓦瑟斯坦重心

matthew staib(麻省理工学院)sebastian claici(麻省理工学院)justin m solomon(麻省理工学院)stefanie jegelka(麻省理工学院)

参数学习中的最优概化

ahmad beirami(哈佛大学和麻省理工学院)meisam razaviyayn(南加州大学)shahin shahrampour(哈佛大学)vahid tarokh(哈佛大学)关于经验风险最小化的细粒度复杂性:核心方法和神经网络

经验风险最小化的细粒度复杂性:核方法和神经网络

arturs back urs(MIT)piotr indyk(MIT)Ludwig Schmidt(MIT)

双体积采样的多项式时间算法

李成涛(麻省理工学院)斯蒂芬尼·杰格尔卡(麻省理工学院)苏薇特·斯拉(麻省理工学院)

带有辅助信息的实时投标

arthur flajolet(麻省理工学院)

局部集合游戏

vikas garg(麻省理工学院)

带干预的基于排列的因果推理算法

余浩·王(麻省理工学院)

学习用结构化的解缠结自动编码器概括内在图像

michael janner (mit)吴佳俊(MIT)tejas kulkarni(deepmind)ilker yildirim(MIT)Josh tenenbaum(MIT)

通过交叉对齐从非平行文本转换样式

肖天·沈(麻省理工学院)陶雷(麻省理工学院)雷吉娜·巴兹莱(麻省理工学院)汤姆米·雅克科拉(麻省理工学院)

加州大学伯克利分校,16篇关于学习多视角立体声机器的文章

abhishek kar(加州大学伯克利分校)jitendra malik(基督教h?东北大学(加州大学伯克利分校)

通过加强双循环一致性实现多模态图像到图像的转换

朱俊彦(加州大学伯克利分校)理查德·张(加州大学伯克利分校)迪帕克·帕塔克(加州大学伯克利分校)特雷弗·达雷尔(加州大学伯克利分校)奥利弗·王(adobe research)伊莱·谢赫曼(alexei efros(加州大学伯克利分校)

一次性模仿学习

yan duan(加州大学伯克利分校)marcin andrychowicz(openai)bradly stadie(openai)openai Jonathan ho(openai,加州大学伯克利分校)Jonas schneider(openai)ilya sutskever(Pieter abbe El(openai/加州大学伯克利分校/grade scope)wojciech zaremba(openai)

字典学习的快速交替最小化算法

niladri chatterji(加州大学伯克利分校)peter bartlett(加州大学伯克利分校)

一致稳健回归

kush bhatia(加州大学伯克利分校)

基于scsg方法的非凸有限和优化

程菊(加州大学伯克利分校)陈建波(加州大学伯克利分校)迈克尔·乔丹(加州大学伯克利分校)

随机信赖域优化的快速黑盒变分推理

jeffrey regier(加州大学伯克利分校)michael jordan(加州大学伯克利分校)jon mcauliffe(加州大学伯克利分校)

任意条件线性系统的严格动力学和一致估计

alyson fletcher(加州大学洛杉矶分校、加州大学旧金山分校和加州大学伯克利分校)sundeep rangan(纽约大学保利分校)mojtaba sahraee-ardakan(加州大学洛杉矶分校)philip schniter(俄亥俄州立大学)

例2:探索深度强化学习的范例模型

justin fu(加州大学伯克利分校)john co-reyes(加州大学伯克利分校)sergey levine(加州大学伯克利分校)

#exploration:基于计数的深度强化学习探索研究

haoran tang(加州大学伯克利分校)pieter abbeel (openai /加州大学伯克利分校/ gradescope) davis j foote(加州大学伯克利分校)Yan Duan(openai)陈曦(openai,加州大学伯克利分校)rein houthooft(openai)Adam stooke(加州大学伯克利分校)filip deturck

多智能体系统的完全分散策略:信息论方法

roel dobbe(加州大学伯克利分校)david fridovich-keil(加州大学伯克利分校)claire tomlin(加州大学伯克利分校)

机器学习中自适应梯度方法的边缘值

ashia c wilson(加州大学伯克利分校)rebecca d roelofs(加州大学伯克利分校)mitchell stern(加州大学伯克利分校)nati srebro(tti-Chicago)Benjamin Recht(加州大学伯克利分校)

联合多任务学习

弗吉尼亚·史密斯(加州大学伯克利分校)

固体谐波小波散射:从三维电子密度的不变描述符预测量子分子能量

michael eickenberg(加州大学伯克利分校)georgios exarchakis(高等师范学校)matthew hirn(密歇根州立大学)stephane mallat(高等师范学校)

反向报酬设计

dylan hadfield-menell(加州大学伯克利分校)smitha milli(加州大学伯克利分校)stuart j russell(加州大学伯克利分校)pieter abbeel (openai /加州大学伯克利分校/ gradescope) anca dragan(加州大学伯克利分校)

基于条件协方差最小化的核特征选择

陈建波(加州大学伯克利分校)

斯坦福大学,20篇文章使用期权和协方差测试进行长期非政策政策评估

赵涵·郭(卡耐基·梅隆大学/斯坦福大学)

啮齿动物须-三叉神经系统的目标驱动神经网络模型

程序·庄(斯坦福大学)

钙成像中神经信号的稳健估计

hakan inan(斯坦福大学)murat erdogdu(微软研究院)mark schnitzer(斯坦福大学)

基于方差的凸目标正则化

hongseok namkoong(斯坦福大学)

基于方差的凸目标正则化

hongseok namkoong(斯坦福大学)

层次聚类的实用算法基础

joshua wang(斯坦福大学)benjamin moseley(圣路易斯华盛顿大学)

学习为数据扩充编写特定领域的转换

alexander ratner(斯坦福)henry ehrenberg(斯坦福大学)zeshan hussain(斯坦福大学)jared dunnmon(斯坦福大学)christopher ré(斯坦福)

集合抽样

修远·卢(斯坦福大学)本杰明·范·罗伊(斯坦福大学)

递归公路超网络语言建模

joseph suarez(斯坦福大学)

针对数据中毒攻击的认证防御

jacob steinhardt(斯坦福大学)庞伟w koh(斯坦福大学)percy s liang(斯坦福大学)

保守的上下文线性盗匪

abbas kazerouni(斯坦福大学)Mohammad ghavamzadeh(deep mind)yasin abbasi(adobe research)Benjamin van Roy(斯坦福大学)

无超参数的随机和对抗性在线学习

ashok cutkosky(斯坦福大学)

pointnet++:度量空间中点集的深度层次特征学习

李毅(斯坦福大学)苏浩(斯坦福大学)列奥尼达·吉巴斯(stanford.edu)

a-nice-MC:MCMC的对抗训练

宋家明(斯坦福大学)赵胜佳(斯坦福大学)stefano ermon(斯坦福大学)

参数的最优学习群体

田凯文(斯坦福大学)郝伟·孔(斯坦福大学)格雷戈里·维拉提(斯坦福大学)

核特征的高斯求积

tri dao(斯坦福大学)christopher m de sa(斯坦福)christopher ré(斯坦福)

连续博弈中的延迟镜像下降

周正元(斯坦福大学)

学习高斯混合流数据

aditi raghunathan(斯坦福大学)prateek jain(微软研究公司)ravishankar krishnawamy(微软印度研究公司)

无向图形模型中的神经变分推理和学习

volodymyr kuleshov(斯坦福大学)

非凸优化的随机镜像下降

周正元(斯坦福大学)

雷锋原创文章。严禁擅自转载。详情请参考转载说明。

标题:NIPS 2017美国四大名校霸屏,92篇论文抢先看 | NIPS 2017

地址:http://www.6st8.com/zbxw/3683.html

免责声明:联合早报中文网从世界各个维度报道世界经济新闻,时政新闻,突发新闻等,本篇的部分内容来自于网络,不为其真实性负责,只为传播网络信息为目的,非商业用途,如有异议请及时联系btr2018@163.com,联合早报中文网的小编将予以删除。

返回顶部