您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
国际 正文
发私信给Misty
发送

1

ICML神经网络和深度学习日程表(周二)

本文作者:Misty 2016-06-20 16:13
导语:关于神经网络和深度学习,ICML大会上到底会讲些什么,雷锋网与你分享。

神经网络和深度学习

大会主席:Hal Daume III

地点: Ballroom 1+2+Juliard

10:30– 强类型递归神经网络 Strongly-Typed Recurrent Neural Network)  

             David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学

10:47– 源代码极端总结卷积关注网络 (A Convolutional Attention Network for Extreme Summarization of Source Code)

               Miltiadis Allamanis 爱丁堡大学;Hao Peng 北京大学

11:04– 问我任何事:自然语言程序动态记忆网络(Ask Me Anything: Dynamic Memory Networks for Natural Language Processing )

              Ankit Kumar、 Ozan Irsoy 、 Peter Ondruska、 Mohit Iyyer 、James Bradbury、 Ishaan Gulrajani、Victor Zhong、Romain Paulus   MetaMind公司

11:40– 视觉动态记忆网络和文字问题问答(Dynamic Memory Networks for Visual and Textual Question Answering)  

            Caiming Xiong、Stephen Merity MetaMind公司

11:57– 使用LSTM地区嵌入的监督和半监督文字分类 (Supervised and Semi-Supervised Text Categorization using LSTM for Region Embeddings)

            Rie Johnson RJ调查咨询公司

12:14– PHOG:代码概率模型 (PHOG: Probabilistic Model for Code)

             Pavol Bielik、Veselin Raychev、Martin Vechev  苏黎世联邦理工学院

增强式学习

会议主席: Tom Erez

地点: Ballroom 3+4

 10:30 –  关于 蒙特卡洛树搜索复杂支撑战略的分析(On the Analysis of Complex Backup Strategies in Monte Carlo Tree Search) 

             Piyush Khandelwal、Elad Liebman 、Peter Stone U 德克萨斯大学奥斯汀分校

10:47 –  随机化价值功能归纳和探索 (Generalization and Exploration via Randomized Value Functions ) 

            Ian Osband 、 Benjamin Van Roy 斯坦福大学;Zheng Wen Adobe 研究所

11:04 – 增强式学习价值评估策略  (Doubly Robust Off-policy Value Evaluation for Reinforcement Learning) 

            Nan Jiang密歇根大学; Lihong Li 微软

11:40 – 通过近似状态抽象的最优行为(Near Optimal Behavior via Approximate State Abstraction)

            David Abel 、 David Hershkowitz、 Michael Littman 布朗大学

11:57 –  增强式学习自由模式轨道优化 (Model-Free Trajectory Optimization\\ for Reinforcement Learning )

              Riad Akrour 、 Gerhard Neumann 、 Hany Abdulsamad、Abbas Abdolmaleki 达姆施塔特工业大学

12:14 –  政策优化自由模式限制学习(Model-Free Imitation Learning with Policy Optimization) 

             Jonathan Ho 、Jayesh Gupta、 Stefano Ermon 斯坦福大学

会议主席:Lihong Li

地点: Marquis

03:40 – 指导成本学习: 通过策略最优化的深度逆向优化控制(Guided Cost Learning: Deep Inverse Optimal Control via Policy Optimization)

            Chelsea Finn、 Sergey Levine 、Pieter Abbeel  加州大学伯克利分校

03:57 –  在线后果预测的模仿学习 (Smooth Imitation Learning for Online Sequence Prediction)                Hoang Le、Andrew Kang、 Andrew Kang , Yisong Yue 加州理工学院

04:14 –  基于模型积累的连续深度Q-Learning(Continuous Deep Q-Learning with Model-based Acceleration) 

             Shixiang Gu剑桥大学; Timothy Lillicrap Google DeepMind; Ilya Sutskever OpenAI; Sergey Levine 谷歌

04:31 –  深度增强式学习的异步方法 (Asynchronous Methods for Deep Reinforcement Learning)              Volodymyr Mnih Google、Adria Puigdomenech Badia、Mehdi Mirza、Alex Graves 、Timothy Lillicrap、Tim Harley、David , Koray Kavukcuoglu 谷歌Deepmind

会议主席: Tom Erez

地点 : Marquis

05:10 –  通过高斯近似原理预测最大期待价值(Estimating Maximum Expected Value through Gaussian Approximation) 

            Carlo D’Eramo、 Marcello Restelli、 Alessandro Nuara 米兰理工大学

05:27 – 增强式学习数据效率政策评估 (Data-Efficient Off-Policy Policy Evaluation for Reinforcement Learning)

             Philip Thomas 、 Emma卡内基梅隆大学

05:44 – 积累前景理论遇上增强式学习:预测和控制 (Cumulative Prospect Theory Meets Reinforcement Learning: Prediction and Control )

             Prashanth L.A、Cheng Jie, Michael Fu 、Steve Marcus马里兰大学

06:01 – Softened Approximate Policy Iteration for Markov Games Maekov(对策软化近似战略迭代)Julien Pérolat、Bilal Piot 、Matthieu Geist 、Bruno Scherrer 、Olivier Pietquin里尔大学

组合最优化

会议主席: Andreas Krause

地点: Marquis

10:30 – 子模块功能概率的算法优化(Algorithms for Optimizing the Ratio of Submodular Functions ) 

            Wenruo Bai、Rishabh Iyer、Kai Wei、Jeff Bilmes 华盛顿大学

10:47 – 水平扩展子模块最大化(Horizontally Scalable Submodular Maximization)

             Mario Lucic 、Olivier Bachem 苏黎世理工学院;Morteza Zadimoghaddam 、Andreas Krause 谷歌研究院

11:04 –  通过两层子模块最大化学习稀疏组合代表(Learning Sparse Combinatorial Representations via Two-stage Submodular Maximization)

             Eric Balkanski 、Baharan Mirzasoleiman、Andreas Krause 、Yaron Singer 苏黎世理工学院

11:40 – 速度限制子模块最大化:个性化数据总结(Fast Constrained Submodular Maximization: Personalized Data Summarization )

             Baharan Mirzasoleiman苏黎世理工学院; Ashwinkumar Badanidiyuru 谷歌研究院; Amin Karbasi 耶鲁大学

11:57 – 困难排列问题的简单界约束解决方案(A Box-Constrained Approach for Hard Permutation Problems )

            Cong Han Lim 、Madison、Steve Wright 威斯康辛大学

12:14 – 多序列比对和模体识别的凸面原子解决方案(A Convex Atomic-Norm Approach to Multiple Sequence Alignment and Motif Discovery)

             Ian En-Hsu Yen 、Xin Lin 、Jiong Zhang 、Pradeep Ravikumar 特克萨斯大学奥斯丁分校

无监督学习/表征学

 会议主席: Jennifer Dy

 地点: Lyceum

10:30 – 非参数标准相关分析(Nonparametric Canonical Correlation Analysis)

             Tomer Michaeli 以色列理工学院; Weiran Wang 、 Karen Livescu TTI Chicago

10:47 – 信息筛The Information Sieve)

           Greg Ver Steeg、Aram Galstyan 信息科技研究所

11:04 – 核心和距离矩阵平均值 (Gromov-Wasserstein Averaging of Kernel and Distance Matrices Gromov-Wasserstein

            Gabriel Peyré、Justin Solomon 京都Marco Cuturi

11:40 – 反事实推理的学习代表 Learning Representations for Counterfactual Inference)

            Fredrik Johansson哥德堡科技大学;Uri Shalit 、David Sontag 纽约大学

11:57 – 为什么正规化自动编码器学习稀疏表示?  (Why Regularized Auto-Encoders learn Sparse Representation?为什么正规化自动编码器学习稀疏表示?) 

           Devansh Arpit 、Yingbo Zhou、Hung Ngo、Venu Govindaraju 纽约州立大学

12:14 – 随机森林砍伐的数据流异常检测(Robust Random Cut Forest Based Anomaly Detection on Streams) 

            Sudipto Guha 宾夕法尼亚大学; Nina Mishra、Gourav Roy Amazon、Okke Schrijvers 斯坦福大学

分样/内核方法

会议主席: Marius Kloft

地点: Empire

10:30 – 受限玻尔兹曼机和朋友的混合交替吉布斯采样法(Mixing Rates for the Alternating Gibbs Sampler over Restricted Boltzmann Machines and Friends ) 

             Christopher Tosh 加州大学圣地亚哥分校

10:47 – 柔软拒绝采样 (Pliable Rejection Sampling)

            Akram Erraqabi Inria、 Michal Valko、Alexandra Carpentier 、Odalric Maillard 欧洲北部里尔

11:04 – 内核拟合优化检验(A Kernel Test of Goodness of Fit)

             Kacper Chwialkowski 、Heiko Strathman、 Arthur Gretton、 Gatsby 伦敦大学学院

11:40 – 拟合优度检验的Kernelized Stein差异(A Kernelized Stein Discrepancy for Goodness-of-fit Tests ) 

            Qiang Liu 、Jason Lee、 Michael 加州大学伯克利分校

11:57 – 通过SALSA的高维非参数回归添加剂近似(Additive Approximations in High Dimensional Nonparametric Regression via the SALSA)

            Kirthevasan Kandasamy、 Yaoliang Yu卡内基梅隆大学

12:14 – 双非参数张量分解回归(Doubly Decomposing Nonparametric Tensor Regression)

            Masaaki Imaizumi、Kohei Hayashi 东京大学

稀疏和压缩传感

大会主席:Gal Chechik

地点: Soho

10:30 – 数据缺失子空间聚类的信息理论要求(The Information-Theoretic Requirements of Subspace Clustering with Missing Data)

            Daniel Pimentel-Alarcon 、Robert Nowak 麦迪逊大学

10:47 – 稳健的边信息主成分分析(Robust Principal Component Analysis with Side Information)

            Kai-Yang Chiang德州大学奥斯丁分校; Cho-Jui Hsieh加州大学戴维斯分校

11:04 – 通过基础字典追踪的在线低秩子空间聚类(Online Low-Rank Subspace Clustering by Basis Dictionary Pursuit)

            Jie Shen、Ping Li、Huan Xu 罗格斯大学

11:40 – 可证明的非凸和离群值相位检索:中位数TruncatedWirtinger流(Provable Non-convex Phase Retrieval with Outliers: Median TruncatedWirtinger Flow)

            Huishuai Zhan、Yingbin Liang 雪城大学; Yuejie Chi 俄亥俄州立大学

11:57 – 估算结构向量自回归模型(Estimating Structured Vector Autoregressive Models)

            Igor Melnyk、Arindam Banerjee 明尼苏达州

12:14 – 关于低质矩阵估计更快的效率和Oracle财产 (Towards Faster Rates and Oracle Property for Low-Rank Matrix Estimati)

             Huan Gui、Jiawei Han 伊利诺伊大学

近似推理

会议主席: Jon Mcauliffe

地点: Liberty

10:30 –分层变分模型(Hierarchical Variational Models)

           Rajesh Ranganath , Dustin Tran 、Blei David 哥伦比亚大学

10:47 – 变分分析随机梯度算法(A Variational Analysis of Stochastic Gradient Algorithms)

             Stephan Mandt、Blei David哥伦比亚大学;Matthew Hoffman Adobe研究所

11:04 – 黑盒α差异最小化 (Black-Box Alpha Divergence Minimization)

            Jose miguel Hernandez-Lobato , Yingzhen Li、 Mark Rowland、Thang Bui、Daniel Hernandez-Lobato 、Richard Turner 剑桥大学

11:40 – 蒙特卡罗目标变分推理(Variational Inference for Monte Carlo Objectives)

            Andriy Mnih , Danilo Rezende 谷歌 DeepMind

11:57 – 作为贝叶斯估计的Dropout:代表深度学习模块的不确定性(Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning) 

             Yarin Gal 剑桥大学

12:14 – 辅助深度生成模型 (Auxiliary Deep Generative Models)

             Lars Maaløe、Ole Winther 丹麦技术大学, Casper Kaae Sønderby 、Søren Kaae Sønderby 哥本哈根大学

神经网络和深度学习I

会议主席: Nicolas Le Roux

地点: Ballroom 1+2+Juliard

03:40 – 序列学习因式分解函数信念网络(Factored Temporal Sigmoid Belief Networks for Sequence Learning)

           Jiaming Song清华大学; Zhe Gan、Lawrence Carin 杜克大学

03:57 – 双向亥姆霍兹机器(Bidirectional Helmholtz Machines)

            Jorg Bornschein、Samira Shabanian 、Asja Fischer 、Yoshua Bengio 蒙特利尔大学

04:14 – 结构化和有效的变分矩阵高斯后验深度学习(Structured and Efficient Variational Deep Learning with Matrix Gaussian Posteriors )

            Christos Louizos、Max Welling 阿姆斯特丹大学

04:31 – Dropout蒸馏(Dropout distillation)

             Samuel Rota Bulò FBK, Lorenzo Porzi FBK, Peter Kontschieder 剑桥微软研究院

 会议主席: Yoshua Bengio

 地点: Ballroom 1+2+Juliard

05:10 – 整流器网络的表达(Expressiveness of Rectifier Network)

            Xingyuan Pan、Vivek Srikumar 犹他大学

05:27 – 卷积整流器网络广义张量分解(Convolutional Rectifier Networks as Generalized Tensor Decompositions)

            Nadav Cohen、Amnon Shashua Mobileye耶路撒冷希伯来大学

05:44 – 深度卷积网络的点定量化(Fixed Point Quantization of Deep Convolutional Networks)

            Darryl Lin、Sachin Talathi 高通研究所;Sreekanth Annapureddy NetraDyne公司

06:01 –  CryptoNets::将神经网络运用于高生产量和准确度的加密数据(CryptoNets: Applying Neural Networks to Encrypted Data with High Throughput and Accuracy ) 

              Ran Gilad-Bachrach、Nathan Dowlin Princeton、Kim Laine、Kristin Lauter、Michael Naehrig 、John Wernsing 微软研究所

神经网络和深度学习II

会议主席: Alexandru Niculescu-Mizil

地点: Ballroom 3+4

03:40 – 图形嵌入半监督学习回顾(Revisiting Semi-Supervised Learning with Graph Embeddings )             Zhilin Yang、William Cohen卡耐基梅隆大学Ruslan Salakhudinov 多伦多大学

03:57 –  ADIOS: 输出空间架构深度(ADIOS: Architectures Deep In Output Space)

             Moustapha Cisse 、 Maruan Al-Shedivat卡耐基梅隆大学; Samy Bengio 谷歌

04:14 – 深度嵌入的无监督聚类分析(Unsupervised Deep Embedding for Clustering Analysis)

            Junyuan Xie、Ali Farhadi 华盛顿大学; Ross Girshick Facebook;

04:31 – 卷积神经网络图学习(Learning Convolutional Neural Networks for Graphs)

             Mathias Niepert 、Mohamed Ahmed ;Konstantin Kutzkov NEC 欧洲实验室

会议主席: David Sontag

地点: Ballroom 3+4

05:10 –  多因子神经关注纠正预测(Correcting Forecasts with Multifactor Neural Attention )

             Matthew Riemer、 Aditya Vempaty、Flavio Calmon、Fenno Heath、Richard Hull、Elham Khabiri IBM

05:27 – 神经网络元学习(Meta-Learning with Memory-Augmented Neural Networks Memory-Augmented)

            Adam Santoro、Matthew Botvinick 、Daan Wierstra、Timothy Lillicrap 谷歌DeepMind Sergey Bartunov 高级经济学院

05:44 – 简单算法的示例学习(Learning Simple Algorithms from Examples) 

            Wojciech Zaremba , Tomas , Armand Joulin , Rob Fergus Facebook AI研究所

06:01 – 长短期记忆联想(Associative Long Short-Term Memory) 

             Ivo Danihelka 、Greg Wayne 、Benigno Uria 、 Nal Kalchbrenner 、Alex Graves 谷歌DeepMind

Via:ICML@NYC

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

编辑

欢迎合作,欢迎来撩。 微信号:Misty_Yoong
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说