1
| 本文作者： Misty | 2016-06-20 16:13 |
大會主席：Hal Daume III
地點(diǎn)： Ballroom 1+2+Juliard
10：30– 強(qiáng)類型遞歸神經(jīng)網(wǎng)絡(luò) （Strongly-Typed Recurrent Neural Network）
David Balduzzi、 Muhammad Ghifary 惠靈頓維多利亞大學(xué)
10：47– 源代碼極端總結(jié)卷積關(guān)注網(wǎng)絡(luò) （A Convolutional Attention Network for Extreme Summarization of Source Code）
Miltiadis Allamanis 愛丁堡大學(xué)；Hao Peng 北京大學(xué)
11：04– 問我任何事：自然語言程序動態(tài)記憶網(wǎng)絡(luò)（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– 視覺動態(tài)記憶網(wǎng)絡(luò)和文字問題問答（Dynamic Memory Networks for Visual and Textual Question Answering）
Caiming Xiong、Stephen Merity MetaMind公司
11:57– 使用LSTM地區(qū)嵌入的監(jiān)督和半監(jiān)督文字分類 （Supervised and Semi-Supervised Text Categorization using LSTM for Region Embeddings）
Rie Johnson RJ調(diào)查咨詢公司
12：14– PHOG:代碼概率模型 （PHOG: Probabilistic Model for Code）
Pavol Bielik、Veselin Raychev、Martin Vechev 蘇黎世聯(lián)邦理工學(xué)院
增強(qiáng)式學(xué)習(xí)
會議主席: Tom Erez
地點(diǎn): Ballroom 3+4
10:30 – 關(guān)于 蒙特卡洛樹搜索復(fù)雜支撐戰(zhàn)略的分析（On the Analysis of Complex Backup Strategies in Monte Carlo Tree Search）
Piyush Khandelwal、Elad Liebman 、Peter Stone U 德克薩斯大學(xué)奧斯汀分校
10:47 – 隨機(jī)化價(jià)值功能歸納和探索 （Generalization and Exploration via Randomized Value Functions ）
Ian Osband 、 Benjamin Van Roy 斯坦福大學(xué)；Zheng Wen Adobe 研究所
11:04 – 增強(qiáng)式學(xué)習(xí)價(jià)值評估策略 （Doubly Robust Off-policy Value Evaluation for Reinforcement Learning）
Nan Jiang密歇根大學(xué)； Lihong Li 微軟
11:40 – 通過近似狀態(tài)抽象的最優(yōu)行為（Near Optimal Behavior via Approximate State Abstraction）
David Abel 、 David Hershkowitz、 Michael Littman 布朗大學(xué)
11:57 – 增強(qiáng)式學(xué)習(xí)自由模式軌道優(yōu)化 （Model-Free Trajectory Optimization\\ for Reinforcement Learning ）
Riad Akrour 、 Gerhard Neumann 、 Hany Abdulsamad、Abbas Abdolmaleki 達(dá)姆施塔特工業(yè)大學(xué)
12:14 – 政策優(yōu)化自由模式限制學(xué)習(xí)（Model-Free Imitation Learning with Policy Optimization）
Jonathan Ho 、Jayesh Gupta、 Stefano Ermon 斯坦福大學(xué)
會議主席：Lihong Li
地點(diǎn): Marquis
03:40 – 指導(dǎo)成本學(xué)習(xí)： 通過策略最優(yōu)化的深度逆向優(yōu)化控制（Guided Cost Learning: Deep Inverse Optimal Control via Policy Optimization）
Chelsea Finn、 Sergey Levine 、Pieter Abbeel 加州大學(xué)伯克利分校
03:57 – 在線后果預(yù)測的模仿學(xué)習(xí) （Smooth Imitation Learning for Online Sequence Prediction） Hoang Le、Andrew Kang、 Andrew Kang , Yisong Yue 加州理工學(xué)院
04:14 – 基于模型積累的連續(xù)深度Q-Learning（Continuous Deep Q-Learning with Model-based Acceleration）
Shixiang Gu劍橋大學(xué)； Timothy Lillicrap Google DeepMind； Ilya Sutskever OpenAI； Sergey Levine 谷歌
04:31 – 深度增強(qiáng)式學(xué)習(xí)的異步方法 （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
會議主席: Tom Erez
地點(diǎn) ： Marquis
05:10 – 通過高斯近似原理預(yù)測最大期待價(jià)值（Estimating Maximum Expected Value through Gaussian Approximation）
Carlo D’Eramo、 Marcello Restelli、 Alessandro Nuara 米蘭理工大學(xué)
05:27 – 增強(qiáng)式學(xué)習(xí)數(shù)據(jù)效率政策評估 （Data-Efficient Off-Policy Policy Evaluation for Reinforcement Learning）
Philip Thomas 、 Emma卡內(nèi)基梅隆大學(xué)
05:44 – 積累前景理論遇上增強(qiáng)式學(xué)習(xí)：預(yù)測和控制 （Cumulative Prospect Theory Meets Reinforcement Learning: Prediction and Control ）
Prashanth L.A、Cheng Jie, Michael Fu 、Steve Marcus馬里蘭大學(xué)
06:01 – Softened Approximate Policy Iteration for Markov Games Maekov（對策軟化近似戰(zhàn)略迭代）Julien Pérolat、Bilal Piot 、Matthieu Geist 、Bruno Scherrer 、Olivier Pietquin里爾大學(xué)
組合最優(yōu)化
會議主席: Andreas Krause
地點(diǎn): Marquis
10:30 – 子模塊功能概率的算法優(yōu)化（Algorithms for Optimizing the Ratio of Submodular Functions ）
Wenruo Bai、Rishabh Iyer、Kai Wei、Jeff Bilmes 華盛頓大學(xué)
10:47 – 水平擴(kuò)展子模塊最大化（Horizontally Scalable Submodular Maximization）
Mario Lucic 、Olivier Bachem 蘇黎世理工學(xué)院；Morteza Zadimoghaddam 、Andreas Krause 谷歌研究院
11:04 – 通過兩層子模塊最大化學(xué)習(xí)稀疏組合代表（Learning Sparse Combinatorial Representations via Two-stage Submodular Maximization）
Eric Balkanski 、Baharan Mirzasoleiman、Andreas Krause 、Yaron Singer 蘇黎世理工學(xué)院
11:40 – 速度限制子模塊最大化：個性化數(shù)據(jù)總結(jié)（Fast Constrained Submodular Maximization: Personalized Data Summarization ）
Baharan Mirzasoleiman蘇黎世理工學(xué)院； Ashwinkumar Badanidiyuru 谷歌研究院； Amin Karbasi 耶魯大學(xué)
11:57 – 困難排列問題的簡單界約束解決方案（A Box-Constrained Approach for Hard Permutation Problems ）
Cong Han Lim 、Madison、Steve Wright 威斯康辛大學(xué)
12:14 – 多序列比對和模體識別的凸面原子解決方案（A Convex Atomic-Norm Approach to Multiple Sequence Alignment and Motif Discovery）
Ian En-Hsu Yen 、Xin Lin 、Jiong Zhang 、Pradeep Ravikumar 特克薩斯大學(xué)奧斯丁分校
會議主席: Jennifer Dy
地點(diǎn): Lyceum
10:30 – 非參數(shù)標(biāo)準(zhǔn)相關(guān)分析（Nonparametric Canonical Correlation Analysis）
Tomer Michaeli 以色列理工學(xué)院； Weiran Wang 、 Karen Livescu TTI Chicago
10:47 – 信息篩（The Information Sieve）
Greg Ver Steeg、Aram Galstyan 信息科技研究所
11:04 – 核心和距離矩陣平均值 （Gromov-Wasserstein Averaging of Kernel and Distance Matrices Gromov-Wasserstein）
Gabriel Peyré、Justin Solomon 京都Marco Cuturi
11:40 – 反事實(shí)推理的學(xué)習(xí)代表（ Learning Representations for Counterfactual Inference）
Fredrik Johansson哥德堡科技大學(xué)；Uri Shalit 、David Sontag 紐約大學(xué)
11:57 – 為什么正規(guī)化自動編碼器學(xué)習(xí)稀疏表示？ （Why Regularized Auto-Encoders learn Sparse Representation?為什么正規(guī)化自動編碼器學(xué)習(xí)稀疏表示？）
Devansh Arpit 、Yingbo Zhou、Hung Ngo、Venu Govindaraju 紐約州立大學(xué)
12:14 – 隨機(jī)森林砍伐的數(shù)據(jù)流異常檢測（Robust Random Cut Forest Based Anomaly Detection on Streams）
Sudipto Guha 賓夕法尼亞大學(xué)； Nina Mishra、Gourav Roy Amazon、Okke Schrijvers 斯坦福大學(xué)
會議主席: Marius Kloft
地點(diǎn): Empire
10:30 – 受限玻爾茲曼機(jī)和朋友的混合交替吉布斯采樣法（Mixing Rates for the Alternating Gibbs Sampler over Restricted Boltzmann Machines and Friends ）
Christopher Tosh 加州大學(xué)圣地亞哥分校
10:47 – 柔軟拒絕采樣 （Pliable Rejection Sampling）
Akram Erraqabi Inria、 Michal Valko、Alexandra Carpentier 、Odalric Maillard 歐洲北部里爾
11:04 – 內(nèi)核擬合優(yōu)化檢驗(yàn)（A Kernel Test of Goodness of Fit）
Kacper Chwialkowski 、Heiko Strathman、 Arthur Gretton、 Gatsby 倫敦大學(xué)學(xué)院
11:40 – 擬合優(yōu)度檢驗(yàn)的Kernelized Stein差異（A Kernelized Stein Discrepancy for Goodness-of-fit Tests ）
Qiang Liu 、Jason Lee、 Michael 加州大學(xué)伯克利分校
11:57 – 通過SALSA的高維非參數(shù)回歸添加劑近似（Additive Approximations in High Dimensional Nonparametric Regression via the SALSA）
Kirthevasan Kandasamy、 Yaoliang Yu卡內(nèi)基梅隆大學(xué)
12:14 – 雙非參數(shù)張量分解回歸（Doubly Decomposing Nonparametric Tensor Regression）
Masaaki Imaizumi、Kohei Hayashi 東京大學(xué)
大會主席：Gal Chechik
地點(diǎn): Soho
10:30 – 數(shù)據(jù)缺失子空間聚類的信息理論要求（The Information-Theoretic Requirements of Subspace Clustering with Missing Data）
Daniel Pimentel-Alarcon 、Robert Nowak 麥迪遜大學(xué)
10:47 – 穩(wěn)健的邊信息主成分分析（Robust Principal Component Analysis with Side Information）
Kai-Yang Chiang德州大學(xué)奧斯丁分校； Cho-Jui Hsieh加州大學(xué)戴維斯分校
11:04 – 通過基礎(chǔ)字典追蹤的在線低秩子空間聚類（Online Low-Rank Subspace Clustering by Basis Dictionary Pursuit）
Jie Shen、Ping Li、Huan Xu 羅格斯大學(xué)
11:40 – 可證明的非凸和離群值相位檢索:中位數(shù)TruncatedWirtinger流（Provable Non-convex Phase Retrieval with Outliers: Median TruncatedWirtinger Flow）
Huishuai Zhan、Yingbin Liang 雪城大學(xué)； Yuejie Chi 俄亥俄州立大學(xué)
11:57 – 估算結(jié)構(gòu)向量自回歸模型（Estimating Structured Vector Autoregressive Models）
Igor Melnyk、Arindam Banerjee 明尼蘇達(dá)州
12:14 – 關(guān)于低質(zhì)矩陣估計(jì)更快的效率和Oracle財(cái)產(chǎn) （Towards Faster Rates and Oracle Property for Low-Rank Matrix Estimati）
Huan Gui、Jiawei Han 伊利諾伊大學(xué)
會議主席: Jon Mcauliffe
地點(diǎn): Liberty
10:30 –分層變分模型（Hierarchical Variational Models）
Rajesh Ranganath , Dustin Tran 、Blei David 哥倫比亞大學(xué)
10:47 – 變分分析隨機(jī)梯度算法（A Variational Analysis of Stochastic Gradient Algorithms）
Stephan Mandt、Blei David哥倫比亞大學(xué)；Matthew Hoffman Adobe研究所
11:04 – 黑盒α差異最小化 （Black-Box Alpha Divergence Minimization）
Jose miguel Hernandez-Lobato , Yingzhen Li、 Mark Rowland、Thang Bui、Daniel Hernandez-Lobato 、Richard Turner 劍橋大學(xué)
11:40 – 蒙特卡羅目標(biāo)變分推理（Variational Inference for Monte Carlo Objectives）
Andriy Mnih , Danilo Rezende 谷歌 DeepMind
11:57 – 作為貝葉斯估計(jì)的Dropout：代表深度學(xué)習(xí)模塊的不確定性（Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning） 作
Yarin Gal 劍橋大學(xué)
12:14 – 輔助深度生成模型 （Auxiliary Deep Generative Models）
Lars Maal?e、Ole Winther 丹麥技術(shù)大學(xué), Casper Kaae S?nderby 、S?ren Kaae S?nderby 哥本哈根大學(xué)
地點(diǎn): Ballroom 1+2+Juliard
03:40 – 序列學(xué)習(xí)因式分解函數(shù)信念網(wǎng)絡(luò)（Factored Temporal Sigmoid Belief Networks for Sequence Learning）
Jiaming Song清華大學(xué)； Zhe Gan、Lawrence Carin 杜克大學(xué)
03:57 – 雙向亥姆霍茲機(jī)器（Bidirectional Helmholtz Machines）
Jorg Bornschein、Samira Shabanian 、Asja Fischer 、Yoshua Bengio 蒙特利爾大學(xué)
04:14 – 結(jié)構(gòu)化和有效的變分矩陣高斯后驗(yàn)深度學(xué)習(xí)（Structured and Efficient Variational Deep Learning with Matrix Gaussian Posteriors ）
Christos Louizos、Max Welling 阿姆斯特丹大學(xué)
04:31 – Dropout蒸餾（Dropout distillation）
Samuel Rota Bulò FBK, Lorenzo Porzi FBK, Peter Kontschieder 劍橋微軟研究院
會議主席: Yoshua Bengio
地點(diǎn): Ballroom 1+2+Juliard
05:10 – 整流器網(wǎng)絡(luò)的表達(dá)（Expressiveness of Rectifier Network）
Xingyuan Pan、Vivek Srikumar 猶他大學(xué)
05:27 – 卷積整流器網(wǎng)絡(luò)廣義張量分解（Convolutional Rectifier Networks as Generalized Tensor Decompositions）
Nadav Cohen、Amnon Shashua Mobileye耶路撒冷希伯來大學(xué)
05:44 – 深度卷積網(wǎng)絡(luò)的點(diǎn)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:：將神經(jīng)網(wǎng)絡(luò)運(yùn)用于高生產(chǎn)量和準(zhǔn)確度的加密數(shù)據(jù)（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 微軟研究所
會議主席: Alexandru Niculescu-Mizil
地點(diǎn): Ballroom 3+4
03:40 – 圖形嵌入半監(jiān)督學(xué)習(xí)回顧（Revisiting Semi-Supervised Learning with Graph Embeddings ） Zhilin Yang、William Cohen卡耐基梅隆大學(xué)Ruslan Salakhudinov 多倫多大學(xué)
03:57 – ADIOS: 輸出空間架構(gòu)深度（ADIOS: Architectures Deep In Output Space）
Moustapha Cisse 、 Maruan Al-Shedivat卡耐基梅隆大學(xué)； Samy Bengio 谷歌
04:14 – 深度嵌入的無監(jiān)督聚類分析（Unsupervised Deep Embedding for Clustering Analysis）
Junyuan Xie、Ali Farhadi 華盛頓大學(xué)； Ross Girshick Facebook；
04:31 – 卷積神經(jīng)網(wǎng)絡(luò)圖學(xué)習(xí)（Learning Convolutional Neural Networks for Graphs）
Mathias Niepert 、Mohamed Ahmed ；Konstantin Kutzkov NEC 歐洲實(shí)驗(yàn)室
會議主席: David Sontag
地點(diǎn): Ballroom 3+4
05:10 – 多因子神經(jīng)關(guān)注糾正預(yù)測（Correcting Forecasts with Multifactor Neural Attention ）
Matthew Riemer、 Aditya Vempaty、Flavio Calmon、Fenno Heath、Richard Hull、Elham Khabiri IBM
05:27 – 神經(jīng)網(wǎng)絡(luò)元學(xué)習(xí)（Meta-Learning with Memory-Augmented Neural Networks Memory-Augmented）
Adam Santoro、Matthew Botvinick 、Daan Wierstra、Timothy Lillicrap 谷歌DeepMind Sergey Bartunov 高級經(jīng)濟(jì)學(xué)院
05:44 – 簡單算法的示例學(xué)習(xí)（Learning Simple Algorithms from Examples）
Wojciech Zaremba , Tomas , Armand Joulin , Rob Fergus Facebook AI研究所
06:01 – 長短期記憶聯(lián)想（Associative Long Short-Term Memory）
Ivo Danihelka 、Greg Wayne 、Benigno Uria 、 Nal Kalchbrenner 、Alex Graves 谷歌DeepMind
Via:ICML@NYC
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
