亚博取款速度机械设备有限公司欢迎您!

科技公司争相涌进ICML2017,论文数占1/4,Google独占6.3%:亚博取款速度

时间:2021-03-01
本文摘要:ICML是国际顶尖的机械学习会议,与NIPS一起,是机械学习和人工智能研究领域影响力极高的两大会议。今年的ICML将于8月6日至11日在澳大利亚悉尼召开会议,预计也将向现场报道。5月,ICML2017被拒绝的论文已经发表。今年的ICML收到了记录的1676篇论文,434篇被拒绝接受。 OpenAI的研究科学家Andrejarpathy没有分析这些论文,发现了有趣的事情。分析显示,所有论文中经常出现961个机构名称,其中420个只出现一次。

亚博极速版

ICML是国际顶尖的机械学习会议,与NIPS一起,是机械学习和人工智能研究领域影响力极高的两大会议。今年的ICML将于8月6日至11日在澳大利亚悉尼召开会议,预计也将向现场报道。5月,ICML2017被拒绝的论文已经发表。今年的ICML收到了记录的1676篇论文,434篇被拒绝接受。

OpenAI的研究科学家Andrejarpathy没有分析这些论文,发现了有趣的事情。分析显示,所有论文中经常出现961个机构名称,其中420个只出现一次。论文数量前30名的机构统计数据中谷歌和微软公司的论文数量排在前2位,CMU排在第3位。必须注意的是,统计数据中谷歌、谷歌公司、谷歌大脑和谷歌Research属于一个类别,有一定程度的是斯坦福和斯坦福。

一篇论文中多个人属于同一机构时分割。从这些统计数据也可以看出,行业公开发表的论文占很大比例。

Karpathy统计了Deepmind、谷歌、微软公司、Facebook、IBM、迪斯尼、亚马逊、Adobe等着名行业实验室的论文情况,发现他们的论文占论文总数的14%。包括其他着名行业公司的论文,他指出约20-25%的论文由公司参加。也就是说,ICML2017论文中约四分之三几乎来自学术界。另外,Deepmind和谷歌可以计算一家,共参加60篇论文,占总论文的6.3%。

大幅度分析这些论文,2011年很少有行业研究出现在ICML。现在公司的参与明显提高了。

但是,学术界依然做得很好,贡献了相当大的论文。还有其他有趣的统计数据。

作为第一作者的论文被拒绝最少的是中国研究者朱泽园,他拒绝了5篇论文。他现在在北美的微软公司研究院工作。对第一作者所属机构开展统计资料,排名前五的是CMU(25)、谷歌(19)、DeepMind(15)、MIT(14)和UCB(14),可以看到谷歌的实力。

微软公司研究院以十篇排名第七。显数统计资料不能反映现实的研究状况,更重要的指标可能是论文提到的状况,但论文并不公平。行业和学术界内容提到的情况如何,这还没有统计资料。

ICML也是机器学习最近趋势的途径之一。深度自学当然是最重要的内容,但是找到搜索标题,只有6篇文章不包含这个关键词。其他频繁出现的研究领域有增强自学、随机和高斯过程、映射(embeddings)、贝叶斯优化、AutoML(用机器探索神经网络结构)等。

除论文外,ICML上最不受关注的要科每日主题演讲。今年的大会决定了4场主题演说,包括AI的最前沿、应用于社会影响等。

四大主题演说牛津大学PeterDonnelly他演说的主题是基因组学、大数据和机械学习:解读生命图普,推进医疗革命。演讲会以明确的例子说明,将机器学习和其他推理小说工具应用于基因组数据的机会和挑战。Donnelly是维康信托中心人类遗传学研究室主任和牛津大学统计学教授,以及Genomics首席执行官。他是牛津大学博士,曾任伦敦大学和芝加哥大学教授。

他的早期研究与人口遗传学随机模型的研究开发有关,之后逐渐研究遗传和基因组数据统计资料的方法。他和团队开发了多种常用的统计算法,包括STRUCTURE和PHASE。

他还领导了一个名为wWGS500的项目,其中牛津大学与Illumina合作,对500个具备一系列临床条件的个人开展排序,评价临床医学中全基因组排序的短期潜力,该项目也是NHS-100000基因组计划的前身。在过去的10年里,基因序列的成本呈圆形指数级上升,但在未来的10年里,基因序列可能不会有近10亿人。大量基因数据与个人病历信息和可穿戴设备信息的融合,明显提高评价个人健康风险、预测健康状况、个性化化疗法的能力。哈佛大学Latanyasweeney她的演说主题是AI设计者如何影响市民生活作为哈佛大学政府和技术学院的教授,Sweney的愿景是开发和运用技术,评价和解决问题的社会、政治和管理问题。

她的重点研究领域是技术对人类的影响,她自己是TechnologyScience总编辑。她也对数据隐私感兴趣,是哈佛数据隐私实验室主任。她指出,技术设计师是新的决策者。

他们没有经过议会选举,很多人没有告诉他们名字,但是他们在开发工具和想法时的要求影响了我们日常生活的规范代码。隐私和安全是新技术的首要挑战,随着技术的变化,生活的各个方面都被新定义。DeepMind的RaiaHadsell她的演说主题是进入现实世界的强化自学她是DeepMind的高级研究科学家,在深度自学和机器人领域有10年以上的研究经验。

她前期的研究与沙姆网开展多学科自学有关,这可以作为一个恒定的特点自学。她的博士领导人是YannLeCun,之后加入了CMU的机器人研究所和SRIIInternational。她于2014年初重新加入DeepMind,开始研究标准化人工智能。她目前的研究侧重于AI代理和机器人系统持续自学的挑战。

深度提升自学早已发展趋向极具潜力的人工智能研究领域,大量的雅达利游戏也被用作许多基础研发的主要标准。随着研究的成熟期,更重要的是开发简单的自学系统,解决问题更简单的任务。

她预计不会解释DeepMind近期的研究,这些研究与在现实世界和具备简单任务结构的挑战性环境中开展末端到末端自学有关。马克斯·普朗克智能系统研究所Bernhard,Schlkopf的演说主题是因果自学。Schlkopf的主要研究领域是机器学习和因果推理小说。他将研究应用于许多不同的领域,如生物医学问题、摄影和天文学。

他曾在AT&T贝尔实验室和英国微软公司研究院工作。他是德国科学院的成员,曾获得过国际模式识别协会的J.K.萧条Aggarwal奖。在机器学习中,数据不会自动寻找依赖关系,目的是预测未来。

大部分机器学习方法都是建立在统计学上的,当然也可以进一步分析数据在统计资料依赖性后的因果结构。Schlkopf指出,这种因果科学知识有助于在机器学习任务中进行预测。他在演讲中也不会提到因果模式对机器学习任务的影响,比如自学、半监督自学等。(公共编号:)现场提供ICML2017的即时报道,如果不关注我们以前的文章。

原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:科技,公司,争相,涌进,ICML2017,论文,亚博取款速度,数占,Google

本文来源:亚博取款速度-www.devaughnburkeinc.com