2015年ICLR研讨会:美国加利福尼亚州圣地亚哥
本吉奥 , 燕乐存 :
2015年5月7日至9日,美国加利福尼亚州圣地亚哥,第三届国际学习代表大会,ICLR 2015,研讨会记录。 2015 Maruan Al-Shedivat公司 , 埃姆雷·奈夫齐 , 格特·考文伯格 :
使用基于能量的信号群学习非确定性表示。 卡提克·奥德哈西 , 阿比纳夫·塞西 , 布瓦纳·拉马巴德兰 :
多种嵌入式神经网络语言模型。 凯文·巴赫 , 丹尼斯·德科斯特 , 帕德拉克·斯迈思 :
优化超参数在线自适应的热交换。 加布里埃拉·孔塔多 , 卢多维克·德诺耶尔 , 蒂埃里·阿蒂耶斯 :
冷启动推荐的代表性学习。 桑巴亚尔·苏赫巴托 , 罗布·费格斯 :
利用深度神经网络从噪声标签中学习。 约斯特·托比亚斯·斯普林伯格 , 阿列克谢·多索维茨基 , 托马斯·布罗克斯 , 马丁·里德米勒 :
追求简单:全卷积网络。 迪米特里·帕拉斯 , 马修·马奇迈·道斯 , 罗南·科洛伯特 :
使用卷积神经网络学习用于语音识别的线性可分离特征。 斯科特·里德 , 李洪拉克 , 德拉戈米尔·安格洛夫 , 克里斯蒂安·塞格迪 , 杜米特鲁·尔汗 , 安德鲁·拉宾诺维奇 :
利用Bootstrapping在噪声标签上训练深度神经网络。 拉贾·吉瑞斯 , 吉列尔莫·萨皮罗 , 亚历山大·布朗斯坦 :
关于深网络的稳定性。 巴勃罗·斯普雷希曼 , 琼·布鲁纳 , 燕乐存 :
基于鉴别散射网络的音频源分离。 雷米·勒布雷特 , 佩德罗·H·O·皮涅罗 , 罗南·科洛伯特 :
基于线性短语的简单图像描述生成器。 (撤回) 表示学习算法的随机下降分析。 伊恩·J·古德费罗 :
关于生成模型估计的可区分性标准。 费利克斯·希尔 , Kyunghyun Cho(赵京贤) , 塞巴斯蒂安·让 , 科林·德文 , 本吉奥 :
将单词相似性嵌入到神经机器翻译中。 伊拉德·霍弗 , 尼尔·艾隆 :
使用Triplet网络进行深度度量学习。 Daniel Jiwoong我 , 伊桑·布赫曼 , 格雷厄姆·泰勒 :
了解RBM在各种动态下的最小概率流。 阿纳布·保罗 , 苏雷什·文卡塔苏布拉曼尼亚语 :
无监督深度学习的群体理论视角。 托马斯·米科洛夫 , 阿尔曼·朱林 , 苏米特·乔普拉 , 米歇尔·马修 , 马克·阿雷利奥·兰扎托 :
在递归神经网络中学习更长的记忆。 伊万·蒂托夫 , Ehsan Khoddam公司 :
通过联合预测和分解关系从文本中诱导语义表示。 劳伦特·丁 , 大卫·克鲁格 , 本吉奥 :
NICE:非线性独立成分估计。 布莱恩·张 , 杰西·利弗泽伊 , 阿琼·K·班萨尔 , 布鲁诺·A·奥尔沙森 :
发现深层网络中变化的隐藏因素。 Pranava Swaroop中央医院 , 泽维尔·卡雷拉斯 , 阿里亚德纳·夸托尼 :
为双语预测量身定制单词嵌入:一项实验比较。 Jinseok Nam公司 , 约翰内斯·富恩克兰兹(Johannes Fürnkranz) :
关于学习标签空间连续向量表示的层次结构的重要性。 贝纳姆·尼沙布尔 , 富冈良太 , 内森·斯雷布罗 :
寻找真正的归纳偏差:关于内隐规则化在深度学习中的作用。 玛丽亚·伊琳娜·尼古拉 , 马克·塞班 , 阿默里·哈布拉德 , 埃里克·高斯 , 马西·雷扎·阿米尼 :
半监督(ε,γ,τ)-良好度量学习的算法鲁棒性。 张扬·王 , 杨建超 , 金海林 , 埃利·谢赫特曼 , 阿西姆·阿加瓦拉 , 乔纳森·布兰特 , 托马斯·S·黄 :
使用深度网络和域自适应的现实世界字体识别。 马吉德·扬扎敏 , 哈尼·塞吉 , 阿尼玛·阿南德库玛 :
区分学习的分数函数特征。 丹尼尔·波维 , 张晓慧 , 桑吉夫·库丹普尔 :
具有自然梯度和参数平均的深度神经网络的并行训练。 蒲云辰 , 鑫源 , 劳伦斯·卡林 :
深度卷积学习的生成模型。 Qiang Qiu(强秋) , 吉列尔莫·萨皮罗 , 亚历山大·布朗斯坦 :
随机森林可以散乱。 哈尼·塞吉 , 阿尼玛·阿南德库玛 :
稀疏连接神经网络训练的可证明方法。 斯特凡诺·索托 , 亚历山德罗·齐乌索 :
视觉场景表示:充分性、极小性、不变性和深度近似。 张思欣(Sixin Zhang) , 安娜·乔洛曼斯卡 , 燕乐存 :
使用弹性平均SGD进行深度学习。 津田友子 , 卫队W.Cottrell :
字典学习示例选择。 马丁·基费尔 , 瓦伦·贾帕尼 , 彼得·V·盖勒 :
全自面体晶格CNN。 易阳 , 雅各布·艾森斯坦 :
带有特征嵌入的无监督域适配。 加布里埃尔·辛纳维 , 伊曼纽尔·杜普克斯 :
声学模型的弱监督多嵌入学习。 阿戈斯蒂内利森林 , 马修·霍夫曼 , 彼得·萨多夫斯基 , 皮埃尔·巴尔迪 :
学习激活函数以改进深层神经网络。 陈刚(音译) , 萨古尔·斯里哈里 :
基于层次相关先验的受限Boltzmann分类机。 陈良杰 , 亚历山大·施温 , 艾伦·L·尤耶 , 拉奎尔·厄塔松 :
学习深层结构模型。 雷米·勒布雷特 , 罗南·科洛伯特 :
基于N-gram的文档分类低维表示。 马蒂厄·库巴里奥 , 本吉奥 , Jean-Pierre大卫 :
用于深度学习的低精度算法。 丁伟光 , 王若燕 , 费毛 , 格雷厄姆·泰勒 :
基于Theano的多GPU大尺度视觉识别。 乔治亚娜·迪努 , 巴罗尼 :
通过缓解拥挤问题改进零快照学习。 弗里德 , 杜凯文(Kevin Duh) :
在单词表示中结合分布语义和关系语义。 奥托·法比乌斯 , 乔斯特·范·阿默斯福特 , 迪德里克·金马 :
变分递归自动编码器。 切尔西-芬兰人 , 丽莎·安妮·亨德里克斯 , 特雷弗·达雷尔 :
带嵌套删除的紧凑卷积神经网络学习。 马克·戈斯林 , 雅丽阿米特 :
紧凑的基于零件的图像表示:极端竞争和过度泛化。 罗斯·戈罗欣(Ross Goroshin) , 琼·布鲁纳 , 乔纳森·汤普森 , 大卫·艾根 , 燕乐存 :
基于时间数据的无监督特征学习。 皮托约·哈托诺 , 保罗·霍伦森 , 托马斯·特拉彭伯格 :
以分层地形图作为内部表示的分类器。 杨凤姬 , 雅各布·艾森斯坦 :
语篇关系的实体增强分布语义。 金钟勋(Jonghoon Jin) , 艾塞古尔·邓达尔 , 尼奥·卡洛西亚洛 :
用于前馈加速度的扁平卷积神经网络。 亚历山大·卡尔马诺维奇 , 加尔·切奇克 :
自动编码器去噪的逐步训练方法。 马蒂亚斯·库默勒 , 卢卡斯·泰斯 , 马蒂亚斯·贝奇 :
深度凝视I:利用ImageNet上训练的特征地图提高显著性预测。 李东云 , 张赛正 , 安托万·比亚德 , 本吉奥 :
目标传播。 赵明敏 , 庄成旭 , 王益洲 , 李大星 :
用于感知推理、插值和预测的上下文关系的预测编码。 林敏(Min Lin) , 朔丽 , 宣洛 , 水城岩 :
Purine:基于双粒度的深度学习框架。 Jyh-Jing黄 , 刘廷鲁 :
轮廓检测的像素级深度学习。 格雷戈伊尔·梅斯尼 , 托马斯·米科洛夫 , 马克·阿雷利奥·兰扎托 , 本吉奥 :
电影评论情感分析的生成和鉴别技术集成。 保罗·米内罗 , 尼科斯·卡拉姆帕齐亚基斯 :
超大输出空间的快速标签嵌入。 汤姆·勒佩恩 , Pooya Khorrami公司 , 魏翰 , 托马斯·S·黄 :
根据最新进展分析无监督预训练。 Deepak Pathak公司 , 埃文·谢尔哈默 , 乔纳森·朗 , 特雷弗·达雷尔 :
全卷积多类多实例学习。 彭兴超 , 孙宝晨 , 卡里姆·阿里 , 凯特·萨恩科 :
深度CNN了解对象的什么? Qiang Qiu(强秋) , 安德鲁·汤普森 , A.罗伯特·卡尔德班克 , 吉列尔莫·萨皮罗 :
使用Weyl变换表示。 安蒂·拉斯穆斯 , 塔帕尼·莱科 , 哈里·瓦尔波拉 :
使用调制的横向连接对自动编码器进行去噪,学习自然图像的不变表示。 顾世祥 , 卢卡·里加齐奥 :
面向深度神经网络架构,对对手示例具有鲁棒性。 莱文特·萨贡 , V.Ugur Güney公司 , 燕乐存 :
探索高维景观。 简·鲁迪 , 格雷厄姆·泰勒 :
生成类条件自动编码器。 皮埃尔·塞尔马内特 , 安德烈亚·弗洛姆 , Esteban Real公司 :
注意细粒度分类。 阿里·谢里夫·拉扎维安 , 约瑟芬·沙利文 , 阿苏托·马吉 , 斯特凡·卡尔森 :
使用深度卷积网络进行可视化实例检索。 斯特凡诺·索托 , 董京明 , 尼古拉·卡里亚纳基斯 :
视觉场景表示:卷积建筑中的缩放和遮挡。 Sudheendra Vijayanarasimhan先生 , 乔纳森·施伦斯 , 拉贾特·蒙加 , 杰伊·亚格尼克 :
具有大输出空间的深度网络。 帕斯卡·文森特 :
用于训练具有超大稀疏目标的深度网络的高效精确梯度更新。 大卫·沃德·法利 , 安德鲁·拉宾诺维奇 , 德拉戈米尔·安格洛夫 :
自适应神经网络结构学习。
![](https://dblp.org/img/cog.dark.24x24.png)