自动ML@ICML 2016年:美国纽约州纽约市
弗兰克·赫特 , 拉尔斯·科特霍夫 , 华金·范肖伦 :
2016年自动机器学习研讨会论文集,2016年AutoML,与第33届国际机器学习会议(ICML 2016)合办,2016年6月24日,美国纽约州纽约市。 JMLR研讨会和会议记录 64, JMLR.org网站 2016
接受的论文
萨利苏·曼曼·阿卜杜拉赫曼 , Pavel Braddil公司 :
不完整元数据对平均排名法的影响。 1-10 伊恩·德万克 , 迈克尔·麦考特 , 斯科特·克拉克 , 帕特里克·海耶斯 , 亚历山德拉·约翰逊 , 乔治·科 :
使用多准则的排序优化方法策略。 11-20 数据挖掘人物 , 伊马德·查巴内 , 雨果·杰尔·埃斯卡兰特 , 塞尔吉奥·埃斯卡莱拉 , 达米尔·贾杰蒂克 , 詹姆斯·罗伯特·劳埃德 , 努里亚·马西娅 , 比萨卡·雷 , 卢卡斯·罗马斯科 , 米歇尔·塞巴格 , 亚历山大·斯坦尼科夫 , 塞巴斯蒂安·特雷格 , 伊夫林·维耶加斯 :
ChaLearn AutoML挑战的简要回顾:无需人工干预的任意时间任意数据学习。 21-30 Hyunjik Kim先生 , 叶惠德 :
使用高斯过程的回归中的可缩放结构发现。 31-40 古斯塔沃·马尔科梅斯 , 奇普·沙夫 , 罗曼·加内特 :
自动模型选择的贝叶斯优化。 41-47 曼纽尔·马丁·萨尔瓦多 , 马钦·巴德卡 , 博格丹·加布里斯 :
在流程工业中使用混合自适应策略和Auto-WEKA自适应多成分预测系统。 48-57 赫克托·门多萨 , 亚伦·克莱恩 , 马提亚斯·费勒 , 约斯特·托比亚斯·斯普林伯格 , 弗兰克·赫特 :
走向自动调谐神经网络。 58-65 兰德尔·S·奥尔森 , 杰森·H·摩尔 :
TPOT:一种用于自动机器学习的基于树的流水线优化工具。 66-74 弗朗西斯科·奥拉博纳 , 达维德·帕尔 :
通过投币进行无参数凸学习。 75-82
![](https://dblp.dagstuhl.de/img/cog.dark.24x24.png)