JMLR编辑委员会
主编
普拉迪普·拉维库马尔 卡内基·梅隆大学。 张彤(音译) 伊利诺伊大学香槟分校。
管理编辑
拉贾什·达斯 马萨诸塞大学阿默斯特分校。
编辑助理
斯特拉·利安努 哥伦比亚大学。
产品编辑器
凯文·贝洛 卡内基·梅隆大学和芝加哥大学。
Web母版
阿尔普·库库克尔比尔 费罗实验室和哥伦比亚大学。 费比安·佩德雷戈萨 ,谷歌研究。
JMLR动作编辑器
阿列克·阿加瓦尔 , 谷歌研究,美国。 强化学习,在线学习,强盗,学习理论。 希普拉阿格拉瓦尔 , 哥伦比亚大学 强化学习、多武器强盗、在线学习、在线优化 埃多·艾洛迪 , 美国哈佛大学 统计学,近似推理,因果推理,网络数据分析,计算生物学。 丹·阿利斯塔 , IST奥地利和神经魔术 分布式优化、联合学习、模型压缩、高效ML 杰纳维拉·艾伦 , 美国莱斯大学 统计机器学习、高维统计、现代多元分析、图形模型、数据集成、张量分解。 皮埃尔·阿尔基尔 , ESSEC亚太区 统计学习理论,PAC贝叶斯学习,近似贝叶斯推理,变分推理,高维统计学 阿南德库玛(Animashere Anandkumar) , 美国加州理工学院 张量分解,非凸优化,概率模型,强化学习。 Krishnakumar Balasubramanian语 , 加州大学戴维斯分校 采样和随机优化,核方法,几何和拓扑数据分析,统计学习理论。 埃利亚斯·巴雷因博伊姆 , 哥伦比亚大学 因果推理、概括性、公平性、强化学习 萨米·本吉奥 , 美国苹果 深度学习、表征学习 本吉奥 , 加拿大蒙特利尔大学/米兰 深入学习,学会理性 昆汀·贝歇(Quentin Berthet) , 谷歌DeepMind 凸优化、最优运输、微分规划、高维统计 亚历山大·布沙尔 , UBC公司 mcmc、smc、系统发育学 琼·布鲁纳 , 美国纽约大学 深度学习理论、信号处理、统计学 米盖尔·卡雷拉-萜类 , 美国加利福尼亚大学默塞德分校 决策树和森林、神经网络压缩、深度学习中的优化 西尔维娅·齐亚帕 , DeepMind公司 因果推理、近似贝叶斯推理、变分推理、ML公平性 马尔科·库图里 , 苹果 最佳运输,几何方法 佛罗伦萨d'Alche-Buc , 巴黎电信,巴黎理工学院 核心方法、复杂输出预测、稳健性、可解释性、生物信息学 吕克·德·雷德 , 比利时鲁汶卡索利克大学 (统计)关系学习、归纳逻辑编程、符号机器学习、概率编程、从结构化数据中学习、模式挖掘 加尔·埃利丹 , 以色列希伯来语大学 芭芭拉·恩格哈特 , 美国斯坦福大学 潜在因素模型、计算生物学、统计推断、层次模型 福米祖贤二 , 日本统计数学研究所 核方法,降维 奥雷连·加里维尔 , 法国里昂师范学院 强盗、序列分析、信息论和统计学 克里斯托夫·吉拉德 , 巴黎萨克利大学 聚类、网络分析、算法公平、主动学习、神经网络理论、高维统计 曼努埃尔·戈梅兹·罗德里格斯 , 马克斯·普朗克软件系统研究所 公平性、可解释性、问责制、战略行为、人机协作、时点过程 拉斯·格雷纳 , 加拿大阿尔伯塔大学 医学信息学,主动/预算学习 顾泉泉 , 加州大学洛杉矶分校 优化、深度学习理论、强化学习、LLM、深度生成模型、高维统计 本杰明·盖吉 , Inria和伦敦大学学院、法国和英国 学习理论、PAC-Bayes、计算统计学、高维统计学、深度学习理论、概率模型、贝叶斯推理 拉贾什·古哈尼约吉 , 德克萨斯农工大学 大数据的空间和时空贝叶斯方法,高维回归的贝叶斯理论和方法,张量和网络值回归,函数数据分析,近似贝叶斯推理,图形模型,在神经成像和环境科学中的应用 玛雅·古普塔 , 华盛顿大学 公平、可解释性、社会问题、安全、回归、集合、形状约束、免疫学、信息理论 扎伊德·哈查伊 , 华盛顿大学 随机优化、分布移位、可微编程、联合学习、高维统计推断、再生核希尔伯特空间。 马修霍夫曼 , 谷歌 贝叶斯推理、马尔可夫链蒙特卡罗、序贯蒙特卡罗和变分推理 丹尼尔·徐 , 哥伦比亚大学 学习理论 Aapo Hyvarinen公司 , 芬兰赫尔辛基大学 无监督学习、自然图像统计、神经影像数据分析 Tommi Jaakkola , 美国麻省理工学院 近似推理、结构化预测、深度学习 马丁·贾吉 , EPFL,瑞士 分布式培训、联合学习、优化 Pratek Jain公司 , 微软研究公司,印度 非凸优化、随机优化、大规模优化、资源约束机器学习 凯文·杰米森 , 华盛顿大学 多武器强盗,主动学习,实验设计 斯蒂芬妮·杰格尔卡 , 美国麻省理工学院 子模、行列式点过程、负相关性、贝叶斯优化 南江 , 伊利诺伊香槟分校 强化学习理论 瓦伦·卡纳德 , 牛津大学 学习理论; 在线学习; 计算复杂性; 优化 塞缪尔·卡斯基 , 芬兰阿尔托大学 概率建模、多数据源(多视图、多任务、多模式、检索); 生物信息学、用户交互、脑信号分析的应用 萨提亚·基尔西 , 微软研究院,美国 优化、大幅度方法、结构化预测、大规模学习、分布式训练 穆罕默德·埃米提亚兹·汗 , 日本RIKEN高级情报中心 变分推理、近似贝叶斯推理、贝叶斯深度学习 姆拉登·科拉尔 , 美国南加州大学 高维统计、图形模型 乔治·科尼达利斯 , 美国杜克大学 强化学习、人工智能、机器人 阿耶·康托洛维奇(Aryeh Kontorovich) , Ben-Gurion大学 度量空间,最近邻,马尔可夫链,统计 沃特·科伦 , CWI,阿姆斯特丹 在线学习、强盗、纯粹探索、电子价值观 桑吉夫·库马尔 , 谷歌研究 表示学习、优化、深度学习、散列、最近邻搜索 埃里克·拉伯 , 杜克大学 强化学习、精确医学、治疗方案、因果推理 西蒙·拉科斯特-朱利安 , Mila,蒙特利尔蒙特勒大学和SAIT AI实验室 优化、结构化预测、深度学习理论 克里斯托夫·兰佩特 , 奥地利科学技术研究所(IST Austria) 转移学习、可信学习、计算机视觉 托拉蒂莫尔 , DeepMind公司 强盗、强化学习、在线学习 尼古拉斯·勒鲁 , Microsoft Research,蒙特利尔 优化,强化学习 李洪拉克 , 谷歌和安阿伯密歇根大学 深度学习、深度生成模型、表征学习、强化学习、无监督学习 安东尼李 , 布里斯托尔大学 马尔可夫链蒙特卡罗 刘强(音) , 美国达特茅斯学院 众包的概率图形模型、推理和学习、计算模型 加博尔·卢戈西 , 西班牙蓬佩法布拉大学 统计学习理论、在线预测、集中不等式 马士谦 , 莱斯大学 一阶方法,随机算法,双层优化,黎曼优化 迈克尔·马奥尼 , 美国加州大学伯克利分校 随机线性代数; 随机优化; 神经网络; 矩阵算法; 图算法; 科学机器学习 斯蒂芬·曼特 , 变分推理、深层潜变量模型、机器学习和物理、神经数据压缩 维卡什·曼辛加 , 美国麻省理工学院 概率规划、贝叶斯结构学习、大规模序列蒙特卡罗 本杰明·马林 , 马萨诸塞大学阿默斯特分校 概率模型、缺失数据、时间序列 拉胡尔·马祖姆德 , 麻省理工学院 数学优化、高维统计、稀疏性、Boosting、非参数统计、形状约束估计、决策树集成、压缩大型神经网络 乔竹梅 , 美国密歇根大学 从文本、网络和行为数据中学习,表示学习,互动学习 瓦哈卜镜尼 , 谷歌研究 机制设计与互联网经济学、算法博弈论、分布式优化、子模块优化、大规模图形挖掘 梅赫亚尔·莫赫里 , 美国纽约大学 学习理论(所有方面,包括拍卖、集合方法、结构化预测、时间序列、在线学习、游戏、自适应、学习内核、谱学习、排名、低阶近似) 乔里斯·穆伊 , 荷兰阿姆斯特丹大学 因果关系 萨扬·穆克吉 , 美国杜克大学; 莱比锡大学; 马克斯·普朗克科学数学研究所 贝叶斯、时间序列、几何、拓扑、深度学习 Gergely Neu公司 , 强化学习,学习理论,在线学习,强盗理论 Lam Nguyen先生 , IBM Research,托马斯·沃森研究中心 随机梯度算法,非凸优化,随机优化,凸优化 斯科特·尼库姆 , 马萨诸塞大学阿默斯特分校 人工智能安全、模拟学习、强化学习、机器人、人机交互 克里斯·奥茨 , 纽卡斯尔大学 贝叶斯计算、核方法、不确定性量化 弗朗西斯科·奥拉博纳 , 波士顿大学 在线凸优化,投注算法,无参数在线优化,随机优化 劳伦特·奥尔索 , Deepmind公司 强化学习,人工通用智能 黛比迪·帕蒂(Debdeep Pati) , 德克萨斯农工大学 高维贝叶斯理论与方法; 近似贝叶斯方法; 高维网络分析、图形模型、复杂形状的分层建模、点模式数据建模、实时跟踪算法 杰鹏 , 美国加州大学戴维斯分校 高维统计推断、图形模型、功能数据分析 维亚尼·珀切特 , ENSAE和Criteo AI实验室 强盗、在线学习、配对 亚历山大·普鲁蒂尔 , 瑞典皇家理工学院 强化学习、控制系统中的统计学习、土匪、集群和社区检测 马克西姆·拉金斯基 , 伊利诺伊大学香槟分校 深度学习理论、统计学习、优化、应用概率、测量集中、动力系统和控制 彼得·里查塔里克 , 阿卜杜拉国王科技大学 凸优化和非凸优化、随机零、一阶和二阶方法、分布式训练、联合学习、通信压缩、算子分裂、高效ML 洛伦佐·罗萨斯科 , 意大利热那亚大学和美国麻省理工学院 统计学习理论、优化、正则化、反问题 丹尼尔·罗伊 , 多伦多大学 泛化、学习理论、深度学习、pac-bayes、非参数贝叶斯、在线学习、非有效边界 西万·萨巴托 , 以色列本古里安大学 统计学习理论、主动学习、互动学习 鲁斯兰·萨拉库丁诺夫 , 卡内基梅隆大学 深度学习、概率图形模型和大规模优化。 约瑟夫·萨尔蒙 , 蒙彼利埃大学 高维统计、凸优化、众包 马克·肖纳 , INRIA Saclay,法国 随机优化、无导数优化、进化算法、算法配置/选择 菲莎 , 谷歌 概率建模、降维、科学机器学习、科学人工智能、NLP、计算机视觉 克里斯蒂安·谢尔顿 , 美国加州大学河滨分校 时间序列、时空过程、点过程 沈晓桐 , 美国明尼苏达大学 学习、图形模型、推荐 阿里·绍杰 , 华盛顿大学 高维统计; 统计学习; 图形模型; 网络分析 伊利亚·施皮策 , 约翰霍普金斯大学 因果推断、缺失数据、算法公平性、半参数统计 马赫迪·索塔诺尔科塔比 , 大卫·桑塔格 , 麻省理工学院 图形模型、近似推理、结构化预测、无监督学习、卫生保健应用 Bharath Sriperumbudur , 宾夕法尼亚州立大学 核心方法、正则化、函数和空间理论、统计学习理论、非参数估计和测试、函数数据分析、拓扑数据分析 埃里克·萨德思 , 美国加州大学欧文分校 贝叶斯非参数、图形模型、无监督学习、变分推理、蒙特卡罗方法、计算机视觉、信号和图像处理。 Csaba Szepesvari公司 , 加拿大阿尔伯塔大学 强化学习、顺序决策、学习理论 安布吉·特瓦里 , 美国密歇根大学 学习理论、在线学习、强盗问题、强化学习、优化、高维统计 金田 , 爱荷华州立大学 因果推理,贝叶斯网络,概率图形模型 伊万·蒂托夫 , 英国爱丁堡大学/荷兰阿姆斯特丹大学 自然语言处理、深度学习、结构化预测 Koji Tsuda公司 , 日本国家先进工业科学技术研究所。 垂直Jean-Philippe , 谷歌,法国 核心方法、计算生物学、统计学习理论 西尔维亚·维拉 , 意大利热那亚大学 优化,凸优化,一阶方法,正则化 曼弗雷德·沃穆特 , 谷歌研究 基利安·温伯格 , 美国康奈尔大学 深度学习、表征学习、排名、计算机视觉 马莎怀特 , 阿尔伯塔大学 强化学习、表征学习 克里斯·维金斯 , 哥伦比亚大学 计算生物学、伦理学、土匪 张志华 , 中国北京大学 贝叶斯分析与计算、数值代数与优化 周明远 , 德克萨斯大学奥斯汀分校 近似推理、贝叶斯方法、深层生成模型、离散数据分析 吉竹 , 密歇根大学安阿伯分校 网络数据分析、潜在变量模型、图形模型、高维数据、健康分析。
JMLR公司- MLOSS系统 编辑
亚历山大·格兰福特 , 元人工智能 . 监督学习,凸优化,稀疏方法,机器学习软件,在神经科学中的应用 塞巴斯蒂安·谢尔特 , 阿姆斯特丹大学和阿帕奇软件基金会 . 用于机器学习的数据管理; 数据质量; 关系数据准备。 华金·范肖伦 , 荷兰埃因霍温理工大学 . 自动机器学习、元学习、机器学习软件。 泽毅文 , 香港科技大学(广州) . 机器学习系统,自动机器学习,核心方法,决策树。 阿尔伯特·比费特 , 巴黎科技大学和怀卡托大学 . 人工智能、大数据科学和数据流机器学习。
JMLR评审委员会
埃布尔 、强化学习、规划、抽象 埃夫林·阿卡尔 ,矩阵/张量分解 马克西米利安·阿尔伯 、深度学习、语义分割、软件、归因方法/“可解释人工智能” 毛里西奥·阿尔瓦雷斯 、高斯过程、核方法、贝叶斯推理、物理启发机器学习、以数据为中心的工程 大卫·阿尔瓦雷兹·梅利斯 、最优运输、优化、无监督学习 克里斯·阿马托 、多智能体强化学习、部分可观察强化学习、多机器人系统 魏华安 、网络分析、因果推断、贝叶斯分析、实验 里卡·安东诺娃 、贝叶斯优化、强化学习、变分推理、机器人学习 迈克尔·阿贝尔 ,内核方法,深度学习 塞德里克·阿尔坎博 不确定性量化、近似推理、变分推理。 贝叶斯,优化,超参数优化,AutoML。 转移学习,持续学习。 负责任的人工智能。 埃里·阿里亚斯·卡斯特罗 、聚类、多维尺度、流形学习、假设检验、多重检验、非参数方法 尤西·阿杰瓦尼 、优化、下限、ReLU模型、对称性 拉曼阿罗拉 、随机优化、子空间学习、差异隐私、鲁棒对抗学习、算法正则化 Devansh Arpit公司 、深度学习、表示学习、优化、泛化 亚历山大·奥 、时间序列、高维统计、变化点 瓦列里·阿瓦内索夫 、学习理论、分布式学习、核方法、非参数和高维统计、引导 卡米亚尔·阿齐扎德涅谢利 、学习理论、强化学习、Bandit算法 罗希特·巴巴尔 、大规模多标签学习、极端分类、非平衡分类 Krishnakumar Balasubramanian语 、采样与随机优化、核方法、几何与拓扑数据分析、统计学习理论。 拉夫·巴西利 、差异隐私、统计学习理论、优化、随机梯度下降、泛化保证、自适应数据分析、信息理论 古斯塔沃·巴蒂斯塔 ,时间序列,数据流,类不平衡,嵌入式机器学习,量化 卡亨·巴曼赫利赫 、医疗保健ML、可解释性、弱监督学习、分离、医学成像、概率图形模型 丹尼斯·贝洛梅斯特尼 、MCMC、方差减少、反褶积问题、强化学习 托马斯·贝雷特 , 斯里纳德·博贾纳帕利 、优化、深度学习、变压器、非凸优化 Przemyslaw Biecek公司 、可解释人工智能、可解释机器学习、基于证据的机器学习、以人为中心的人工智能 迈克尔·贝尔 、学习矢量量化、基于原型的系统、学习的统计物理、生物医学应用 布兰卡德 、学习理论、核心方法、高维推理、多重测试、统计 马修·布隆德尔 ,结构化预测,可微规划,优化 奥马尔·博布罗斯基 几何和拓扑推理、概率建模、高斯过程 乔尔戈斯·博尔布达基斯 、特征选择、因果发现、自动机器学习、模型选择 盖·布雷斯勒 统计推断的复杂性,概率模型,随机图,应用概率 彼得·布贝尼克 ,拓扑数据分析,应用拓扑,应用代数,应用范畴理论 科迪·本坦 、社交媒体、文本挖掘、网络科学、多模式学习、信息检索 大卫·本斯 、时间序列学习、人类活动识别、新颖性检测、分布外检测、开集分类 戴安娜·蔡 ,贝叶斯非参数,概率建模,贝叶斯建模 伯拉克蛋糕 、近似贝叶斯推理、消息传递、变分推理 弗朗西斯科·玛丽亚·卡利斯托 、人机交互、健康信息学、乳腺癌、以用户为中心的设计、人工智能、医学成像 蒂莫西罐头 、分类、统计学习、高维数据、数据扰动技术、非参数方法 奥利维尔·卡普 、带宽算法、统计、信号处理 伊恩·卡迈克尔 、多视图数据、高维、统计 路易吉·卡拉蒂诺 ,核方法,大规模,正则化,优化 安东尼奥·卡瓦尔坎特·阿劳霍·内托 ,聚类,无监督学习,图形,密度估计 亚当·查尔斯 、信号处理、计算神经科学、字典学习、反褶积、压缩感知、逆问题、正则化、递归神经网络 普拉蒂克·乔达里 、深度学习、优化 程晨 、矩阵分解、优化、在线学习 陈坤(Kun Chen) 、综合统计学习、降维、低阶模型、稳健估计、大规模预测建模、医疗分析 陈杰(音译) ,图深度学习,高斯过程,核方法 陈士哲 、点过程、图形模型、神经科学、实验设计 陈元思 、领域适应、MCMC采样、优化、计算神经科学 陈建波 ,对抗性例子; 对抗鲁棒性; 模型解释; 可解释性 陈波(Bo Chen) 深度学习生成模型贝叶斯推理, 席晨 、高维统计、随机稳健优化、用于收益管理的机器学习、众包、选择建模 林晨(Lin Chen) 、优化、机器学习理论 威克特·切诺祝可夫 、因果模型、结构方程模型、治疗效果、分位数和分布方法、高维推理 西尔维娅·齐亚帕 、因果推理、近似贝叶斯推理、变分推理、ML公平性 崔光铉 、统计、网络数据分析、随机块模型 安德烈亚斯·克里斯特曼 、核方法、稳健统计、支持向量机 朱德林(Delin Chu) 、科学计算、数据降维、优化技术 卡洛·西利伯托 、核心方法、统计学习理论、结构化预测、元学习、多任务学习 纳达夫·科恩 、机器学习、深度学习、统计学习理论、张量分析、非凸优化 塔科·科恩 、深度学习、等方差、几何、数据压缩 洛林·克劳福德 ,深度学习,内核方法,可解释性,贝叶斯,计算生物学 Lehel Csat公司 、概率推断、高斯过程、非参数方法 崔一凡 、因果推理、统计学基础、抽样、统计机器学习、生存分析 詹姆斯·库森 、图形模型、关系学习 安迪·达尔 ,遗传学,方差分解,矩阵/张量因子分解,聚类 本代 、统计学习理论、排名、单词嵌入 戴晓武 、核方法、匹配市场、机制设计、高维统计、非参数推理、动态系统 安德烈亚斯·达米亚努 ,高斯过程,迁移学习 杰西·戴维斯 、关系学习、PU学习、运动分析、异常检测 凯西奥·德·坎波斯 ,概率电路,概率图形模型,不精确概率,可信度模型,计算复杂性,稳健性 克里斯·德萨 、优化、MCMC、流形、系统、并行、分布式、分散 埃内斯托·德维托 ,核方法,数学基础机器学习,再生核Hilbert空间 Krzysztof Dembczynski先生 、多标签分类、极端分类、大规模学习、学习理论、学习减少 卡洛·德拉莫 强化学习、深度学习、多任务学习 米查尔·德里金斯基(Michal Derezinski) ,随机线性代数,统计学习理论,行列式点过程 亚历克西斯·德鲁米尼 、高维线性回归、copula模型、核平滑 Paramveer Dhillon公司 、NLP、文本挖掘、矩阵分解、社会网络分析、计算社会科学 拉克斯曼·杜利帕拉 ,并行图算法,图嵌入,共享内存图算法,分布式图算法 托马斯·迪特里奇 , 埃德加·多布里班 、统计学习理论、素描、分布式学习、降维、深度学习数学 米歇尔·多尼尼 ,automl,公平性,内核方法 克里斯蒂安·唐纳 ,贝叶斯推理,高斯过程,变分推理,密度估计,非参数模型 《德京斗》 、语义数据挖掘、深度学习、信息提取、健康信息学 库马尔·阿维纳瓦·杜比 ,贝叶斯推断,问题回答,贝叶斯非参数,深度学习 塞巴斯蒂安·杜曼西奇 、统计关系学习、神经符号方法、归纳逻辑编程、程序归纳、概率编程 杰克邓恩 、优化、决策树、可解释性 Subhajit Dutta公司 , 大卫·杜维诺 ,深度学习,高斯过程,近似推理,微分方程 约纳森·埃夫罗尼 、强化学习、强盗、在线学习 杜米特鲁·尔汗 、深度学习、自我监督学习、无监督学习、领域适应、对象检测、模型理解 Shobeir Fakhraei公司 、图挖掘、图神经网络 周凡 ,随机矩阵,随机图,自由概率,高维渐近 马克斯·法雷尔 因果推理、非参数、深度学习、半参数, 莫兰·费尔德曼 、子模块最大化、流算法、在线算法、组合优化 杨峰 、机器学习、变量选择、社区检测 奥利维尔·费尔科克 ,优化,凸分析,坐标下降,原对偶方法 塔玛拉·费尔南德斯 、核方法、生存分析、高斯过程、非参数统计 马提亚斯·费勒 、自动机器学习、超参数优化、贝叶斯优化 阿伦·费希尔 、因果推理、可解释机器学习、可穿戴设备数据、矩阵分解 马达琳娜·菲特劳 、集成方法、深度学习、多模式学习、医学成像、健康应用 雷米·弗拉马里 ,最佳传输,域适配,优化 尼古拉斯·弗拉马利翁 ,优化 赛斯·弗拉克斯曼 、贝叶斯推理、核方法、高斯过程 迈克尔·福普 ,特征选择,图形模型,高维数据分析,基于模型的聚类和分类,统计网络分析 迪伦·福斯特 、强化学习、控制、上下文盗贼、在线学习、统计学习、优化、深度学习 乔丹·弗雷孔 、超参数优化、结构化稀疏性、多任务学习、优化、双层规划 罗伊·弗罗斯蒂格 ,统计学习理论,随机优化,可微规划 彼得亚·弗莱兹莱维奇(Piotr Fryzlewicz) 、时间序列、变化点和变化检测、高维推理、降维、小波、多尺度方法、统计学习、网络 查德·富尔顿 ,时间序列,贝叶斯分析,计量经济学 拉胡尔·克里希南 、深层生成模型、无监督学习、卫生保健应用、状态空间模型 徐高 、时间序列、深度学习、时空模型 Tingran Gao公司 、核方法、流形学习、拓扑数据分析 超高 、稳健统计、高维统计、贝叶斯理论、网络分析 Jochen Garcke公司 、核方法、流形学习、可解释性、高维近似、不确定性量化、数值模拟 罗曼·加内特 、高斯过程、贝叶斯优化、主动学习 达米安·加罗 、可解释性、统计学习理论、核心方法 赛义德·加迪米 ,非凸优化,基于随机梯度的算法,样本复杂性 阿西什·戈沙尔 、统计学习理论、因果推理、图形模型 加泰尔·吉德尔 、优化、深度学习理论、博弈论 彼得·吉斯伯斯 ,AutoML,元学习 奥利维尔·古德特 、因果关系、元启发式 罗伯特·高尔 ,随机优化,素描,随机数值线性代数,线性代数,拟纽顿方法,SGD,随机梯度下降 纳文·戈亚尔 深度学习学习理论, 罗杰·格罗斯 、神经网络优化、贝叶斯深度学习、超参数自适应 斯特芬·格鲁内瓦尔德 、统计学习理论、核心方法、多武装匪徒 顾泉泉 、优化、深度学习理论、强化学习、LLM、深度生成模型、高维统计 谷宇文 、高维统计、变量选择、非参数统计、模型组合、优化、因果推断 本杰明·盖吉 、学习理论、PAC-Bayes、计算统计、高维统计、深度学习理论、概率模型、贝叶斯推理 伊沙安·古拉贾尼 深度学习、生成性建模、分布外泛化 汤姆·冈特 ,高斯过程,贝叶斯非参数,cox过程,贝叶斯推断 新国 、深度学习和游戏、强化学习、GAN Xin Guo公司 、排序和偏好学习、回归、学习理论、监督学习、半监督学习、在线学习、核方法、稀疏性正则化 明河广 、核方法、统计学习理论、矩阵和算子理论、微分几何方法、信息几何、无穷维统计 阿默里·哈布拉德 、度量学习、迁移学习、领域适应、表征学习、统计学习 尤西·哈卡宁 ,优化,多目标优化,贝叶斯优化,克里金,人在环 威廉·汉密尔顿 图表示学习; 自然语言处理; 网络分析 韩波(Bo Han) 、深度学习、弱监督学习、标签噪声学习、对抗学习 Chulwoo Han公司 、资产定价、财务应用、深度学习 雷寒 ,强化学习,监督学习,迁移学习 史蒂夫·汉内克 、学习理论、主动学习、样本复杂性、PAC学习、VC理论、压缩方案、机器教学、非iid学习 本·汉森 、最优匹配、多元距离匹配、基于潜在结果的因果推断 宁浩 、变点分析、高维数据、多元分析、统计机器学习。 博涛浩 、强盗、强化学习、探索、张量方法 哈里斯 、MLOSS、深度学习、增强、计算神经科学 穆罕默德·希比里 、高维统计、统计公平性、无分布算法、极大极小理论 莱因哈德·赫克尔 、深度学习、优化、主动学习 马库斯·海诺宁 、高斯过程、动力学模型、微分方程、贝叶斯神经网络、核方法 詹姆斯·亨斯曼 ,高斯过程,变分推理,生物统计学 丹尼尔·埃尔恩德斯·洛巴托 、近似推断、高斯过程、贝叶斯优化 平山俊一郎 、无监督学习、大脑成像、神经科学、信号处理、独立成分分析 Nhat Ho公司 、统计学习理论、最优运输、贝叶斯非参数、贝叶斯推理、混合和层次模型、优化、深层生成模型、变量推理 让·霍诺里奥 、学习理论、种植模型、图形模型、结构化预测、社区检测 贾尔斯·胡克 、随机遗忘、可理解性、解释、置信区间、不确定性量化、假设检验、变量重要性、中心极限定理 蒂鲍特·霍雷尔 、优化、凸分析、博弈论、扩散过程 塔马斯.霍瓦斯 、模式挖掘、图挖掘、关系学习、归纳逻辑编程、结构化数据学习、网络 托尔斯滕·霍霍恩 ,统计学习 丹尼尔·徐 、学习理论 魏虎 ,深度学习理论 以黄健华 、统计机器学习、降维、统计推断、贝叶斯优化、转移学习 尼古拉斯拥抱 、开源、梯度增强、python、软件 乔纳森·哈金斯 贝叶斯方法,贝叶斯计算,核方法,稳健推理,大规模学习 Eyke Hllermier公司 ,偏好学习和排名,机器学习中的不确定性,多目标预测,弱监督学习,数据流学习 Masaaki Imaizumi先生 、统计学、学习理论、张量、函数数据、深度学习理论 Rishabh Iyer公司 、子模块优化、主动学习、计算高效学习、鲁棒学习、数据子集选择、数据汇总 阿米亚·贾格塔普 ,监督学习、神经深度神经网络、科学机器学习、物理知情机器学习、迁移学习、主动学习、激活函数、分布式学习、神经算子网络、图神经网络、数据驱动技术和监督学习。 凯文·杰米森 、多武器强盗、主动学习、实验设计 卢卡斯·詹森 、高维推理、可变重要性、强化学习 加森·杰费尔 、贝叶斯机器学习、统计推断、不确定性、无监督学习、采样、MCMC、优化 肖恩·朱厄尔 、变化点检测、选择性推理、神经科学 蒋海因里希(Heinrich Jiang) 、公平性、数据标记、群集 吕江 、强大的深度学习、课程学习、多模式学习 南江 ,强化学习理论 池瑾(Chi Jin) 非凸优化,强化学习理论 朱莉·约瑟夫 、缺失值、因果推断、矩阵补全 瓦伦·卡纳德 学习理论; 在线学习; 计算复杂性; 优化 神奈川Motonobu 、核心方法、仿真模型、不确定性量化 希瓦·卡西维瓦纳坦 ,隐私,学习理论,优化,算法 艾米莉·考夫曼 、多武器强盗、强化学习 克什蒂吉·哈雷 、图形模型、贝叶斯计算、向量自回归模型 拉胡尔·基达姆比 ,随机优化,随机梯度下降,优化,离线强化学习,基于模型的强化学习,带有强盗反馈的批量学习,离线上下文强盗学习 尹·金 、自然语言处理、深度学习 彼得·扬·金德曼 、解释性、可解释性、理解神经网络、深度学习、神经架构搜索、脑-机接口、脑-计算机接口 约翰内斯·克什纳 、盗贼、贝叶斯优化、部分监控 阿尔托·克拉米 ,概率模型,变分推理,矩阵分解,典型相关分析 亚伦·克莱恩 、贝叶斯优化、AutoML、神经架构搜索 杰森·克鲁索夫斯基 、深度学习、神经网络、决策树学习 穆拉特·科卡格鲁 因果推理、信息论、深层生成模型 姆拉登·科拉尔 、高维统计、图形模型 Dehan Kong公司 、核方法、矩阵和张量方法、因果推理、高维推理、流形学习、稳健方法、神经成像和遗传学 让·科斯赛菲 、深度学习、张量方法 桑米·科耶霍 、联合学习、分布式机器学习、健壮机器学习、统计学习理论、神经成像、医学成像机器学习、医疗保健机器学习 阿克沙伊·克里希那穆尔蒂 、统计学习理论、强化学习、强盗 托德·库夫纳 ,统计,选择后推断,重采样,引导,渐近,测试 维塔利·库兹涅佐夫 、时间序列、学习理论、定量金融 布拉尼斯拉夫·克韦顿 、强盗、在线学习、强化学习 雅库布·拉基 ,图形算法,聚类,分布式优化 文森佐·拉加尼 、因果分析、生物信息学 西尔维奥·拉坦齐 、聚类、图挖掘、子模块优化 托拉蒂莫尔 、强盗、强化学习、在线学习 Rmi LE监狱 深度学习、优化、二元性 尼古拉斯·勒鲁 、优化、强化学习 约翰内斯·莱德勒 、深度学习理论、高维统计 李尹京 、核方法、排名、损失函数、降维 霍尔登·李 ,MCMC,采样算法,控制理论,强化学习 Sokbae Lee公司 、计量经济学、因果推断、分位数回归、混合整数优化 纪尧姆·勒迈特 、软件工程、开源软件、类不平衡 帅丽 、机器智能、在线预测、决策、盗贼、学习理论、优化 李毅 ,稀疏恢复,随机数值线性代数 李晓东 、矩阵完成、网络分析、优化 李宇佳 ,深度学习,图形神经网络,程序合成,程序归纳 李天阳 、优化、统计、机器学习、随机优化、统计推断、高维统计、鲁棒学习 李迪东 、非参数贝叶斯、几何数据分析、流形学习、信息几何、空间统计 郝丽 深度学习、愿景、生成模型、优化 恒联 ,统计学,学习理论,再生核Hilbert空间,分布式优化 梁腾元 、深度学习理论、核方法、插值、高维渐近 林天一 ,最小最大优化,最佳传输 魏琳 、高维统计、统计机器学习、因果推理 吴琳 、变分推理、随机优化 林洪洲 ,优化 马吕斯·林道尔 ,自动化机器学习,超参数优化,神经架构搜索 扎卡里·利普顿 深度学习、医疗保健、自然语言处理、健壮性、因果关系、公平性、技术和社会 刘丽萍 、生成模型、图形神经网络、自我关注模型 杨柳 、使用噪音数据学习、弱监督学习、众包 刘卫东 、统计优化、高斯图形模型、精度矩阵、错误发现率 刘冲(Chong Liu) ,贝叶斯优化,Bandits,主动学习,人工智能科学 刘铜梁 , 宋柳 、密度比估计、图形模型、stein同一性、变化检测、离群值检测 凯伦·利维斯库 、表征学习、多视角学习、语音处理、自然语言处理、手语 加勒·卢斯利 ,核方法,不确定核,对抗性鲁棒性 迈尔斯·洛佩斯 、引导方法、高维统计、草图算法(错误分析) 七楼 、图形模型、计算广告 Bryan Kian Xiang Low公司 、高斯过程、贝叶斯优化、主动学习、自动机器学习、概率机器学习、数据评估、协作/联合学习中的公平性 丹尼尔·洛德 、对抗性机器学习、统计关系学习、马尔可夫逻辑、可处理概率模型、总和网络、概率图形模型、马尔可夫网络、贝叶斯网络、马尔柯夫随机场 奥雷莉·洛扎诺 、高维估计、深度学习、优化 陆俊伟 ,高维统计 海浩路 ,优化 奥雷琳·卢奇 、优化、深度学习理论 罗跃天 张量数据分析、统计和计算权衡 罗罗 ,优化,数值线性代数 罗海鹏 、在线学习、强盗问题、强化学习 马思源 、优化、核心方法、深度学习 伊安马 ,贝叶斯推理,时间序列分析 马腾宇(Tengyu Ma) ,深度学习理论 马淑杰(Shujie Ma) ,深度学习,因果推理,网络分析,非参数方法,降维,时间序列数据 埃里克·马 ,网络科学,图论,应用深度学习,应用贝叶斯统计学 马宗明 、统计、优化、社交网络 清迈 、高维数据分析、张量数据分析、机器学习、半参数和非参数统计、降维 odalric-ambrym美拉德 、多武装匪徒、强化学习、马尔可夫决策过程、测度集中 Man Wai Mak公司 、说话人识别、深度学习、域自适应、噪声鲁棒性、ECG分类 阿梅什·马卡迪亚 、3D计算机视觉、几何深度学习、谐波分析 古斯塔沃·马尔科梅斯 、贝叶斯优化、主动学习、高斯过程、主动模型选择 斯蒂芬·曼特 、变分推理、深层潜在变量模型、机器学习和物理、神经数据压缩 霍里亚·马尼亚 、强化学习、控制理论 蒂莫西·曼 、强化学习、优化、鲁棒性、转移学习、延迟 拉胡尔·马祖姆德 、数学优化、高维统计、稀疏性、Boosting、非参数统计、形状约束估计、决策树集成、压缩大型神经网络 朱利安·麦考利 、个性化、推荐系统、web挖掘 丹尼尔·麦克唐纳 、统计机器学习、高维统计、时间序列、优化、风险估计 宋梅 ,深度学习,内核方法 冈萨洛·梅纳 、最优运输、统计学、计算生物学 卢卡斯·曼奇 、随机森林、集合、可解释性、变量重要性、假设检验 比约恩·门泽 、随机森林、深度学习、生物医学、成像 伯特兰·米歇尔 、模型选择、拓扑数据分析、无监督学习 安德鲁·米勒 、统计推断、健康、高斯过程、MCMC、变分推断 埃兹拉·米勒 、几何学、代数、组合学、拓扑学、几何和拓扑数据分析、进化生物学 巴姆德夫·米什拉 ,黎曼优化,流形优化,矩阵张量分解,随机算法 Ioannis Mitliagkas公司 、优化、深度学习理论、大规模学习、极小极大优化 亚历杭德罗·莫雷奥·芬德斯 、量化、文本分类、领域适应、单词嵌入、核心方法、迁移学习 德米特里·莫罗佐夫 ,拓扑数据分析 克里斯多夫·莫利斯 ,学习图形 妮可·麦克尔 、核方法、随机近似、深度学习、(去)集中学习、正则化方法、反问题、学习理论 中岛信一 、贝叶斯学习、变分推理、生成模型 埃里克·纳利斯尼克 ,贝叶斯方法,深度学习,近似推理,生成模型,分布外检测 普雷塔姆·南迪 、因果推理、因果结构学习、图形模型、高维数据、强化学习、机器学习中的公平性, 哈里克里什娜·纳拉西姆汉 、评估指标、约束优化、公平性、学习理论、凸优化 离子Necoara ,凸优化,随机优化,核方法,监督学习 Gergely Neu公司 、强化学习、学习理论、在线学习、强盗理论 格尔哈德·纽曼 、强化学习、策略搜索、深度学习、机器人技术、, 贝纳姆·尼沙布尔 ,深度学习,学习理论,概括 弗拉德·尼库莱 、结构化预测、优化、argmin微分、自然语言处理 杨宁 高维统计、统计推断、因果推断 何塞·尼诺·莫拉 、优化、概率模型、强盗问题 尼坦达Atsushi 、随机优化、统计学习理论、深度学习、核心方法 大卫·诺特 、贝叶斯模型选择和模型批评、无似然推理、变分推理 亚历克斯·诺瓦克·维拉 、核方法、结构化预测、反问题、统计学习理论、凸优化 艾丹·奥布赖恩 ,生物信息学,特征选择,实现 凯文·奥康诺 ,最优运输,动力系统推理 罗纳德·奥尔特纳 ,强化学习 小山佐治(Satoshi Oyama) 、核心方法、链接预测、众包 安娜·奥扎基 、精确学习、pac学习、神经网络验证、逻辑、本体论、知识图 兰迪·帕芬罗斯 、深度学习、机器学习理论、无监督学习、应用数学 阿弥陀佛潘斯基 、统计学、信息论、统计推断、预测建模、基于树的模型、数据压缩、概率估计 Evangelos Papalexakis公司 ,因子分解方法,张量因子分解,张量分解,矩阵因子分解,矩阵分解,无监督方法 帕帕珊托斯白葡萄酒 、深度学习、数据挖掘、计算生物学 比斯瓦吉特·帕里亚 ,贝叶斯优化 Gunwoong公园 ,有向非循环图形模型,因果推理 昌邑公园 、核方法、支持向量机、特征选择 马特帕里 ,概率建模,评分规则,贝叶斯统计 拉兹万·帕斯卡努 、深度学习、优化、强化学习、持续学习、图形网络 何塞·M·佩纳 、因果关系、概率图形模型 理查德·彭 、图形算法、优化、数值方法 威尔·帕金斯 概率,统计物理,组合学,随机图 维克托·皮奇尼 、贝叶斯优化、高斯过程 布拉德·普莱斯 ,统计机器学习,多元和多任务方法,图约束模型 邱玉谋 、高维统计推断、高斯图形模型、核平滑、大脑成像统计分析、因果推断、高通量植物表型 邱一轩 、统计计算、优化、MCMC 青曲 ,非凸优化,表示学习,逆问题,无监督学习 彼得·拉德琴科 、高维统计、稀疏学习和估计、特征选择。 曼尼什·拉加万 算法公平、博弈论、行为经济学 马克西姆·拉金斯基 、深度学习理论、统计学习、优化、应用概率、测量集中、动力系统和控制 阿南德·拉贾戈帕兰 、聚类、随机矩阵理论 古萨姆·拉金德兰 、机器学习理论、生成模型、表示学习、潜在变量模型、变量自动编码器 Herilalaina Rakotoarison公司 ,automl,算法选择 简·拉蒙 、隐私保护学习、从图中学习、学习理论 拉杰什·兰加纳思 、近似推理、深层生成模型、因果推理、机器学习 维纳亚克·饶 、马尔可夫链蒙特卡罗、蒙特卡罗,贝叶斯方法、贝叶斯非参数、变分推断、点过程、随机过程 杰西·里德 ,多标签,多输出,数据流 赵仁 、高维统计、稳健统计、图形模型 斯特芬·伦德尔 、推荐系统、大规模学习、矩阵分解 马塞洛·雷斯特利 ,强化学习 列夫·雷赞 、学习理论、图形算法、集成方法、强盗 布鲁诺·里贝罗 、关系学习、不变量表示、嵌入、图神经网络 巴斯蒂安·里克 、拓扑数据分析、计算拓扑、核心方法、网络和图形、医疗保健应用 法布里齐奥·里古齐 、关系学习、统计关系学习、归纳逻辑编程、概率归纳逻辑编程 奥马尔·里瓦斯普拉塔 ,统计学习理论,PAC贝叶斯界,深度学习,数学,概率和统计学 阿里尔·罗肯 、神经信息学、正规回归、开源软件、数据科学 亚历山德罗·鲁迪 、内核方法、统计机器学习 西万·萨巴托 、统计学习理论、主动学习、互动学习 Veeranjaneyulu Sadhanala公司 , 萨维里奥·萨尔佐 ,凸优化,核方法 杰罗姆·萨拉科 ,降维,非参数和半参数回归,聚类,非参数条件分位数估计 佐佐木弘 、无监督学习、密度估计、核方法 凯文·斯卡曼 、优化、分布式优化 弗洛里安·谢弗 、优化、博弈论、GAN、高斯过程 米克尔·施密特 、近似贝叶斯推理、概率建模、马尔可夫链蒙特卡罗、变分推理、贝叶斯非参数、网络数据分析、强化学习、生成模型、深度学习、程序归纳 雅各布·施赖伯 、深度学习、基因组学、子模块优化、张量因子分解、插补 亚历克斯·施温 、深度学习、结构化预测、生成性对抗网络 克莱顿·斯科特 ,统计学习理论,核方法,领域自适应,弱监督,核密度估计,标签噪声,领域泛化 迪诺·塞季诺维奇 ,内核方法 叶夫根尼·塞尔丁 、强盗、PAC-Baysian分析、在线学习、学习理论 拉贾特·森 、强盗算法、在线学习、时间序列 阿米娜·沙贝尔 ,优化,深度学习,生物信息学,自然语言处理,强化学习 乌里·沙利特 、因果推理、医疗保健中的机器学习 燕瑶神 、优化、稳健学习、大规模学习 申承俊(Seung Jun Shin) ,核方法,降维,正则化估计 阿里·绍杰 、高维统计; 统计学习; 图形模型; 网络分析 伊利亚·施皮策 、因果推断、缺失数据、算法公平性、半参数统计 硅硅合金 模型压缩; 内核方法 里卡多·席尔瓦 、因果关系、图形模型、贝叶斯推理、变分方法 马克斯·辛乔维茨 、控制理论、强化学习、强盗 莱利·西蒙斯·德勒 、强化学习、深度强化学习、探索 德扬·斯莱普乔夫 、基于图的学习、最优运输、几何数据分析、半监督学习、PDE和变分方法 Aleksandrs Slivkins公司 、多武装匪徒、勘探、经济与计算、机构设计 马雷克·斯米亚 、深度学习、半监督学习、缺失数据、异常检测、聚类、多标签分类 阿诺·索林 、概率建模、随机微分方程、状态空间模型、高斯过程、近似推理 宋慧彬 、统计学习、高维统计、计算生物学、优化 卡西克·斯里德哈兰 、在线学习、学习理论、随机优化 桑维什·斯利瓦斯塔瓦 、分布式贝叶斯推理、分治、高斯过程、潜在变量模型、瓦瑟斯坦重心 弗朗西斯科·斯廷戈 ,生物统计学,贝叶斯分析,模型选择,图形模型 卡尔·斯特拉托斯 、表征学习、信息论、谱方法、自然语言处理 苏伟杰 、统计、差异隐私、优化 Mahito Sugiyama先生 ,聚类,特征选择,模式挖掘,图形挖掘 延安穗 、AI安全、Bandit、贝叶斯优化、医疗应用 孙若愚 、优化、深度学习 孙十良 、概率模型和近似推理、优化、统计学习理论、多视图学习、值得信赖的人工智能、序列数据建模 铃木太极 、核心方法、深度学习、优化 佐尔坦·萨博 、信息理论、核心技术 罗恩·塔尔蒙 、核方法、流形学习、几何方法、谱图理论 陈志远 , Kean Ming Tan先生 、图形模型、无监督学习、低秩近似 程永堂 、协方差建模、图形模型、高维统计学习、非参数方法、统计推断 韦斯利·坦西 、贝叶斯统计、经验贝叶斯、图形模型、计算生物学、假设测试 陈泰斯勒 、深度强化学习、强化学习 阿尔伯特·汤姆 、机器学习软件、python、异常检测 金田 、因果推理、贝叶斯网络、概率图形模型 费利佩·托巴尔 ,高斯过程,贝叶斯推断,贝叶斯非参数,时间序列 Kim-Chuan Toh先生 、凸优化、稀疏牛顿法、半定规划、多项式优化 帕诺斯·图利斯 、因果推断、随机化测试、随机梯度、随机近似、网络 索菲亚·特里安塔菲卢 因果关系; 概率图形模型; 贝叶斯网络 Ivor Tsang先生 、转移学习、核心方法、深层生成模型、弱监督学习、模仿学习 塞萨尔·A·乌里韦 、优化、分散优化、最优运输、分布式优化、社会学习、网络科学 伊尼戈·乌尔塔加 ,贝叶斯理论,生成模型,近似推理,贝叶斯非框架,多武装匪徒 尤特·范登伯格 、凸优化、量子计算 劳伦斯·范德马滕 、计算机视觉、隐私 斯特凡·范德沃尔特 、开源软件、图像处理、阵列计算 Jan N van Rijn(简·范·瑞恩) 、机器学习、AutoML、算法自动设计、元学习 巴特·范德利肯 ,黎曼优化,流形方法,低阶近似,张量分解,数值线性代数 盖尔·瓦罗佐 、脏数据、缺失值、大脑成像、医疗保健 库什·瓦什尼 公平性、可解释性、安全性、对社会公益的应用 阿基·维塔里 贝叶斯分析、贝叶斯统计、高斯过程 西尔维亚·维拉 ,优化,凸优化,一阶方法,正则化 最大Vladymyrov 、非凸优化、流形学习、神经体系结构搜索 王佳蕾 、优化、高维统计、学习理论 王玉浩 、因果推理、高维统计、半参数推理、图形模型 王玉祥 、统计机器学习、优化、差异隐私、强化学习 塞雷娜·王 、公平性、约束优化、鲁棒优化、集成方法 王晓倩 、可解释人工智能、机器学习中的公平性、生成模型 王冲(Chong Wang) 、近似推理、深度学习、不确定性、生成模型 王梦迪 、强化学习、表征学习 王伟然 、表征学习、深度学习、语音处理、序列学习 子王 、机器人学习、贝叶斯优化、学习和规划、高斯过程、主动学习 王岚(Lan Wang) 、高维统计、最优决策估计、非参数和半参数统计、分位数回归、因果推断 王兆然 ,强化学习 王建智 、优化、深度学习、大规模分类 王树雷 、非参数、高维统计、机器学习、生物医学应用 Y.Samuel Wang先生 ,图形模型,因果发现 渡边和浩 ,潜在变量模型,率失真理论 安德鲁·戈登·威尔逊 、贝叶斯深度学习、高斯过程、深度学习中的泛化 奥利·温特 、深度学习、生成模型、高斯过程 盖伊·沃尔夫 、流形学习、几何深度学习、数据探索 雷蒙德·K·W·王 、非参数回归、函数数据分析、低秩建模、张量估计 Chirayu Wongchokprasitti公司 、推荐系统、用户建模、因果发现 吴佳军 、计算机视觉、深度学习、认知科学 姚燮 统计学习、时空数据建模、序列分析、变化点检测、动态网络。 凌州学 、高维统计、图形模型、降维、优化 杨志荣 、降维、聚类分析、可视化 杨玉红 ,土匪问题,预测,模型选择和评估,极小极大学习理论 杨卓然 、强化学习、统计机器学习、优化 费利克斯·X·F·叶 、模型简化、动态系统、数据驱动建模 韩佳业 、表征学习、元学习 尹俊明 统计机器学习,概率建模和推理,非参数统计 英一鸣 、统计学习理论、机器学习中的优化、核心方法、差异隐私 余耀良 、生成模型、优化、鲁棒性 Rose Yu女士 、深度学习、时间序列、张量方法 郭瑜 、稀疏性; 凸优化; 高斯图形模型; 多次测试 易宇 、统计网络分析、变化点检测、高维统计 小童苑 ,稀疏学习,优化,元学习,非凸优化,学习理论,分布式优化 卢卡·萨内蒂 、图聚类、马尔可夫链、谱方法 阿萨夫·泽埃维 , 张静钊 ,优化 张敏毅(Michael Minyi Zhang) 、贝叶斯非参数、MCMC、高斯过程 张新华 、核心方法、转移学习、对抗学习、表征学习 张丽君 、在线学习、Bandits、随机优化、随机算法 Kun Zhang(张坤) 、因果关系、转移学习、核心方法、无监督的深度学习 张敖南 贝叶斯方法,贝叶斯非参数,深度无监督学习,不确定性估计 张欣(Xin Zhang) 、降维、多元分析与回归、张量数据分析、判别分析、神经成像 张志远(Chiyuan Zhang) ,深度学习 拓兆 ,深度学习,非凸优化,高维统计,自然语言处理,开源软件库 彭昭 ,在线学习 韩照 、域自适应、域泛化、转移学习、概率电路、算法公平性、多任务学习、元学习 赵云鹏 、网络分析; 社区检测 赵志根 、高维统计推断、经验贝叶斯/贝叶斯统计、充分降维、多重比较 郑庆庆 、优化、差异隐私 平寿忠 、核方法、统计推断、高维数据、功能数据、非参数方法以及基因组学和遗传学 丁宣周 ,深度学习,深度神经网络近似,核方法,小波 周文达(Wenda Zhou) 、统计机器学习、深度学习、高维统计 周正源 、情境盗贼、在线学习、博弈论 周树昌 、优化、神经网络、量化 朱若青 、随机森林、个性化医疗、生存分析 朱丽萍 、海量数据分析、非线性相关性、降维 马林卡·齐特尼克 、表示学习、嵌入、图形神经网络、知识图、潜在变量模型、生物医学数据、计算生物学、网络科学
JMLR咨询委员会
-
顺伊池阿玛里 日本里根脑科学研究所 -
安德鲁·巴托 美国马萨诸塞大学阿默斯特分校 -
托马斯·迪特里奇 ,美国俄勒冈州立大学 -
杰罗姆·弗里德曼 美国斯坦福大学 -
斯图亚特·杰曼 ,美国布朗大学 -
杰弗里·希尔顿 加拿大多伦多大学 -
迈克尔·乔丹 美国加州大学伯克利分校 -
莱斯利·帕克·卡尔布林 美国麻省理工学院 -
迈克尔·卡恩斯 美国宾夕法尼亚大学 -
史蒂文·明顿 ,InferLink,美国 -
米切尔 ,美国卡耐基梅隆大学 -
斯蒂芬·马格尔顿 英国伦敦帝国理工学院 -
凯文·墨菲 ,谷歌,美国 -
托马索·波吉奥 美国麻省理工学院 -
罗斯·昆兰 ,Rulequest Research Pty Ltd,澳大利亚 -
斯图尔特·罗素 美国加州大学伯克利分校 -
劳伦斯·索尔 美国加州大学圣地亚哥分校 -
伯恩哈德·舍尔科夫 马克斯·普朗克智能研究所 Systems,德国 -
特伦斯·塞诺夫斯基 美国索尔克生物研究所 -
理查德·萨顿 加拿大阿尔伯塔大学 -
莱斯利·瓦伦特 美国哈佛大学