剛剛，NIPS 2017 結果出爐，默默看各路大神公布喜訊

雷鋒網AI科技評論：NIPS，中文名稱為神經信息處理系統大會(Conference and Workshop on Neural Information Processing Systems)，是一個關于機器學習和計算神經科學的國際會議，也是人工智能領域的A類會議。

AI科技評論消息，NIPS 2017 今年共錄用論文678篇，目前全部論文名單還未對外公布，雷鋒網通過各路消息匯總，為大家整理了部分錄用論文。具體論文名單由官方發布為準。

微軟亞洲研究院共錄用四篇論文，劉鐵巖老師第一時間在微博向大家匯報了這一好消息：

四篇論文分別是：

• Deliberation Networks: Sequence Generation Beyond One-Pass Decoding
  

• Decoding with Value Networks for Neural Machine Translation.
  

• LightGBM: A Highly Efficient Gradient Boosting Decision Tree.

• Finite sample analysis of the GTD Policy Evaluation Algorithms in Markov Setting.

Facebook AI實驗室研究員田淵棟博士錄用一篇 oral paper：

• ELF: An Extensive, Lightweight and Flexible Research Platform for Real-time Strategy Games

鏈接：https://arxiv.org/abs/1707.01067

宋佳銘，斯坦福博士一年級，現在在OpenAI實習，錄用兩篇NIPS論文：

• Inferring The Latent Structure of Human Decision-Making from Raw Visual Inputs

鏈接：https://arxiv.org/abs/1703.08840

• A-NICE-MC: Adversarial Training for MCMC

鏈接：https://arxiv.org/abs/1706.07561

美國哥倫比亞大學計算機學院助理教授，機器學習實驗室主任Bert Huang 和他的學生 Sirui Yao 發表的論文：

Beyond Parity: Fairness Objectives for Collaborative Filtering

鏈接： https://arxiv.org/abs/1705.08804

 卡內基梅隆大學博士生Noam Brown 錄用一篇NIPS 2017 oral：

• Safe and Nested Subgame Solving for Imperfect-Information Games

鏈接：https://arxiv.org/pdf/1705.02955.pdf

前谷歌大腦實習生，多倫多大學計算機學院機器學習博士生Alireza Makhzani 錄用的論文題目是：

• “PixelGAN Autoencoders” : semi-supervised learning with GAN inference networks and PixelCNN decoders 

鏈接：https://arxiv.org/abs/1706.00531

貝葉斯方法研究團隊（Bayesian Methods Research Group）錄用論文為：

• Structured Bayesian Pruning via Log-Normal Multiplicative Noise"

鏈接：https://arxiv.org/abs/1705.07283

前Facebook AI研究團隊研究實習生，Torch7 卷積神經網絡的主要發明者Jin-Hwa Kim，錄用的的論文題目為：

• Overcoming Catastrophic Forgetting by Incremental Moment Matching"

鏈接：https://arxiv.org/abs/1703.08475

阿姆斯特丹大學博士生Serhii Havrylov 錄用的論文題目為：

• Emergence of Language with Multi-agent Games

鏈接：https://arxiv.org/abs/1705.11192

谷歌大腦研究員、康奈爾大學博士生Maithra Raghu 錄用的論文的題目是：

• SVCCA: Singular Vector Canonical Correlation Analysis for Deep Understanding and Improvement

鏈接：https://arxiv.org/abs/1706.05806

雷鋒網AI科技評論報道

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。