神经信息处理系统进展31（NeurIPS 2018）

---

• 跨任务和环境的转移和适应综合政策 胡和祥、陈丽玉、龚伯清、费沙
• 360°视频空间音频的自主生成 佩德罗·莫尔加多（Pedro Morgado）、努诺·恩瓦康塞洛斯（Nuno Nvasconcelos）、蒂莫西·兰格洛伊斯（Timothy Langlois）、奥利弗·王（Oliver Wang）
• 关于GAN和GMM 埃坦·理查森（Eitan Richardson）、耶尔·魏斯（Yair Weiss）
• 自适应风格不变神经网络的批实例归一化 Hyeoseob Nam、Hyo-Eun Kim
• 具有子任务相关性的零炮综合的分层强化学习 Sungryll Sohn、Junhyuk Oh、Honglak Lee
• KDGAN：生成对抗性网络的知识提炼 王晓杰、张瑞、孙瑜、齐建忠
• 利用多个信息源通过熵减少进行轮廓定位 亚历山大·马尔克斯（Alexandre Marques）、雷米·林（Remi Lam）、凯伦·威尔科克斯（Karen Willcox）
• 具有替代损失的背景盗贼：利润边界和有效算法 迪伦·福斯特（Dylan J.Foster）、阿克谢·克里希纳穆西（Akshay Krishnamurthy）
• 面向快速图形表示学习的自适应采样 黄文兵、张彤、于荣、黄俊洲
• 贝叶斯套索和弹性网的解析解和稳态相位近似 汤姆·米科尔
• 从相关数据中识别和估计因果关系 伊莱·谢尔曼（Eli Sherman）、伊利亚·施皮策（Ilya Shpitser）
• 约束满足问题的流线化变分推理 Aditya Grover、Tudor Achim、Stefano Ermon
• 对抗稳健特征的谱视图 Shivam Garg、Vatsal Sharan、Brian Zhang、Gregory Valiant
• 降维有可量化的缺陷：两个几何界 Kry Lui、Gavin Weiguang Ding、Ruitong Huang、Robert McCann
• 学习SMaLL预测 Vikas Garg、Ofer Dekel、Lin Xiao
• 具有单神经元隐藏层的ResNet是一种通用逼近器 林洪洲、杰格尔卡
• 估计卷积神经网络需要多少样本？ Simon S.Du、Yining Wang、Xiyu Zhai、Sivaraman Balakrishnan、Russ R.Salakhutdinov、Aarti Singh
• 神经元网络耦合的客观有效推断 Yu Terada、Tomoyuki Obuchi、Takuya Isomura、Yoshiyuki Kabashima
• 无监督对抗不变性 阿尤什·贾斯瓦尔（Ayush Jaiswal）、雷克斯·岳武（Rex Yue Wu）、瓦尔·阿布德·阿尔马吉德（Wael Abd-Almageed）、普雷姆·纳塔拉扬（Prem Natarajan）
• 噪声整流器神经网络中深度信号传播的临界初始化 阿努·普雷托利斯（Arnu Pretorius）、伊兰·范·比尔容（Elan van Biljon）、史蒂夫·科隆（Steve Kroon）、赫尔曼·坎珀（Herman Kamper）
• 基于灵敏度驱动正则化的稀疏神经网络学习 恩佐·塔塔利奥内（Enzo Tartaglione）、斯加尔格·莱普索（Skjalg Lepsöy）、阿提里奥·费安德罗蒂（Attilio Fiandrotti）、吉安卢卡·弗朗西尼（Gianluca Francini）
• 合作神经网络（CoNN）：利用先验独立结构改进分类 Harsh Shrivastava、Eugene Bart、Bob Price、Hanjun Dai、Bo Dai、Srinivas Aluru
• 使用模型预测控制进行数据中心冷却 Nevena Lazic、Craig Boutiler、Tyler Lu、Eehern Wong、Binz Roy、MK Ryu、Greg Imwalle
• 一致稳定算法的推广界 维塔利·费尔德曼（Vitaly Feldman）、扬·冯德拉克（Jan Vondrak）
• COLA：去中心化线性学习 李贺、安边、马丁·贾吉
• 利用深度潜在变量模型的精确可能性 Jes Frellsen的Pierre-Alexandre Mattei
• 摊销变分滤波的一般方法 Joseph Marino、Milan Cvitkovic、Yisong Yue
• 一拍无监督跨域翻译 萨吉·本奈姆（Sagie Benaim），Lior Wolf
• 查询K-means聚类与双Dixie Cup问题 I Chien、Chao Pan、Oligica Milenkovic
• 用于场景生成的概率神经网络 邓志伟、陈嘉诚、付一芳、森喜朗
• 约束优化中的逃逸鞍点 Aryan Mokhtari、Asuman Ozdaglar、Ali Jadbabaie
• 通过特征移动器的距离生成对抗性文本 陈立群、戴树阳、陶晨阳、张海超、江哲、沈定翰、张艺哲、王国银、张瑞仪、劳伦斯·卡林
• 关于MMD GAN的梯度正则化子 Michael Arbel、Danica J.Sutherland、Mikołaj Binn kowski、Arthur Gretton
• 指数族的差异私有贝叶斯推断 加勒特·伯恩斯坦（Garrett Bernstein）、丹尼尔·谢尔顿（Daniel R.Sheldon）
• O（1）迭代复杂性下经验风险最小化的随机原对偶方法 谭从慧、张彤、马时谦、刘季军
• 发问者心中的答案：面向目标的视觉对话的信息论方法 Sang-Woo Lee、Yu-Jung Heo、Byoung-Tak Zhang
• 利用因果信息GAN学习可规划表示 Thanard Kurutach、Aviv Tamar、Ge Yang、Stuart J.Russell、Pieter Abbeel
• 基于结构查询委员会的交互式结构学习 克里斯托弗·托什，桑乔伊·达斯古普塔
• 深度网络的流式部署-朝向完全模型并行执行 Volker Fischer、Jan Koehler、Thomas Pfeil
• 上下文随机块模型 亚什·德什潘德（Yash Deshpande）、苏巴巴拉塔·森（Subhabrata Sen）、安德烈亚·蒙塔纳里（Andrea Montanari）、埃尔沙南·莫塞尔（Elchanan Mossel）
• 艺术风格的无监督学习与原型风格分析 Daan Wynen、Cordelia Schmid、Julien Mairal
• 人类和深层神经网络的泛化 Robert Geirhos、Carlos R.M.Temme、Jonas Rauber、Heiko H.Schütt、Matthias Bethge、Felix A.Wichmann
• 分布式权重合并：一项大脑分割案例研究 Patrick McClure、Charles Y.Zheng、Jakub Kaczmarzyk、John Rogers-Lee、Satra Ghosh、Dylan Nielson、Peter A.Bandettini、Francisco Pereira
• IntroVAE：用于摄影图像合成的内省式变分自动编码器 黄怀波、李志航、何然、孙振安、谭铁牛
• MixLasso：基于凸原子形式正则化的广义混合回归 Ian En-Hsu Yen、Wei-Cheng Lee、Kai Zhong、Sung-En Chang、Pradeep K.Ravikumar、Shou-De Lin
• 低秩张量补全的对偶框架 Madhav Nimishakavi、Pratik Kumar Jawanpuria、Bamdev Mishra
• 响应性预测：通过学习延迟提高公平性和准确性 大卫·马德拉斯、托妮·皮塔西、理查德·泽梅尔
• 提高人类决策的准确性和公平性 伊莎贝尔·瓦莱拉、阿迪什·辛格拉、曼努埃尔·戈麦斯·罗德里格斯
• 矩阵和张量表达式的高阶导数的计算 Soeren Laue、Matthias Mitterreiter、Joachim Giesen
• 稀疏条件下快速后悔界的高效在线算法 皮埃尔·盖拉德（Pierre Gaillard），奥利维尔·温滕伯格（Olivier Wintenberger）
• 循环中的人的可解释性优先 Isaac Lage、Andrew Ross、Samuel J.Gershman、Been Kim、Finale Doshi-Velez
• 基于广义Low-Rank逼近的深度非盲反褶积 任文琪、张嘉伟、马琳、潘金山、曹晓春、左望萌、刘伟、杨明慧
• 线性二次调节器鲁棒自适应控制的回归界 萨拉·迪恩、霍丽亚·马尼亚、尼古拉·马蒂尼、本杰明·雷希特、斯蒂芬·图
• 具有图边信息的二值评分估计 Ahn Kwangjun、Lee Kangwook、Cha Hyunseung、Suh Changho
• 计数最小草图的贝叶斯非参数视图 Diana Cai、Michael Mitzenmacher、Ryan P.Adams
• 约束对数-子模块模型的可证明变分推理 Josip Djolonga、Stefanie Jegelka、Andreas Krause
• 中间输出解码 Shikib Mehri、Leonid Sigal
• 最大熵细颗粒分类 Abhimanyu Dubey、Otkrist Gupta、Ramesh Raskar、Nikhil Naik
• 无条件单词生成的深状态空间模型 弗洛里安·施密特、托马斯·霍夫曼
• 全随机梯度算法及其在强化学习中的应用 帕沃·帕尔马斯
• 神经算术逻辑单元 安德鲁·特拉斯克（Andrew Trask）、费利克斯·希尔（Felix Hill）、斯科特·里德（Scott E.Reed）、杰克·雷（Jack Rae）、克里斯·戴尔（Chris Dyer）、菲尔·布隆森（Phil Blunsom）
• 线性卷积网络梯度下降的隐式偏差 Suriya Gunasekar、Jason D.Lee、Daniel Soudry、Nati Srebro
• 关于极值区域的二值分类 Hamid JALALZAI、Stephan Clémençon、Anne Sabourin
• 自适应跳跃间隔：递归动态模型的时间抽象 亚历山大·奈茨（Alexander Neitz）、吉安巴蒂斯塔·帕拉斯坎多洛（Giambattista Parascandolo）、斯特凡·鲍尔（Stefan Bauer）、伯恩哈德·舍尔科夫（Bernhard Schölkopf）
• 学习专门进行知识提取，以便直观地回答问题 Jonghwan Mun、Kimin Lee、Jinwoo Shin、Bohyung Han
• 学习型Bloom滤波器模型及其三明治优化 迈克尔·米赞马赫
• 随机特征Stein差异 乔纳森·哈金斯（Jonathan Huggins）、莱斯特·麦基（Lester Mackey）
• 非参数贝叶斯Lomax委托竞争风险生存分析 张全、周明远
• 基于Hessian的大批量训练与对抗能力分析 姚哲伟（Zhewei Yao）、阿米尔·戈拉米（Amir Ghomay）、齐磊（Qi Lei）、库尔特·凯泽尔（Kurt Keutzer）、迈克尔·马奥尼（Michael W.Mahoney）
• 动态环境下的自适应在线学习 张丽君、陆世音、周志华
• 有损反馈的游戏学习 周正远、梅蒂科普洛斯、苏珊·阿西、尼古拉斯·班博斯、彼得·格林、叶银雨
• 困难学习问题的随机梯度下降的统计最优性 Loucas Pillaud-Vivien、Alessandro Rudi、Francis Bach
• 可扩展弱监督学习的多模态生成模型 Mike Wu、Noah Goodman
• 多类学习：从理论到算法 李健、刘勇、尹蓉、张华、丁立忠、王卫平
• 希尔伯特空间中量子图形模型的学习与推理 Siddarth Srinivasan、Carlton Downey、Byron Boots
• 基于递归Bootstrap的贝叶斯结构学习 Raanan Y.Rohekar、Yaniv Gurwicz、Shami Nisimov、Guy Koren、Gal Novik
• 利用耦合核范数实现耦合张量的高效凸完备 Kishan Wimalawarne、Hiroshi Mamitsuka
• Stein变分梯度下降作为矩匹配 刘强、王帝林
• 通过参数化Lloyd’s族的数据驱动聚类 玛丽亚·福丽娜·巴尔坎、特拉维斯·迪克、科林·怀特
• 具有声明指定熵约束的半监督学习 孙海天、科恩、李东兵
• 基于演示的时间任务规格的贝叶斯推断 Ankit Shah、Pritish Kamath、Julie A.Shah、Shen Li
• 非凸优化的随机嵌套方差约简 周冬若、徐攀、顾全泉
• 关于马尔可夫链梯度下降 孙涛、孙月娇、尹沃涛
• Min-Max优化中（乐观）梯度下降的极限点 Constantinos Daskalakis，Ioannis Panageas公司
• 非交互局部差异隐私的经验风险最小化 Di Wang、Marco Gaboardi、Jinhui Xu
• 贪婪哈希：CNN中精确哈希编码的快速优化 苏树鹏、张超、韩凯、田永红
• 哪些神经网络结构会导致梯度的爆炸和消失？ 鲍里斯·哈宁
• 学习高保真姿态不变量模型实现高分辨率人脸正面化 曹洁、胡一波、张洪文、何冉、孙振安
• 合格程序的可证明正确的自动细分 Sham M.Kakade，Jason D.Lee
• CatBoost：具有分类功能的无偏见增强 刘德米拉·普罗霍伦科娃（Liudmila Prokhorenkova）、格列布·古塞夫（Gleb Gusev）、阿列克桑德·沃罗贝夫（Aleksandr Vorobev）、安娜·维罗妮卡·多洛古什（Anna Veronika Dorogush）、安德烈·
• 基于正则化变分自编码器的语义有效图的约束生成 马腾飞、陈杰、曹晓
• 多模光纤传输效应反演用深层复杂可逆网络 Oisín Moran、Piergiorgio Caramazza、Daniele Faccio、Roderick Murray-Smith
• 可扩展超参数转移学习 瓦莱里奥·佩罗内（Valerio Perrone）、鲁道夫·杰纳顿（Rodolphe Jenatton）、马蒂亚斯·西格（Matthias W.Seeger）、塞德里克·阿坎布（Cedric Archambeau）
• Wasserstein分布鲁棒卡尔曼滤波 Soroosh Shafieezadeh Abadeh、Vietue Anh Nguyen、Daniel Kuhn、Peyman Mohajerin Mohajering Esfahani
• SPIDER：基于随机路径积分微分估计的近最优非凸优化 丛芳、Chris Junchi Li、Zhouchen Lin、Tong Zhang
• 基于深度校准网络的广义零炮学习 刘世晨、龙明生、王建民、迈克尔·乔丹
• 双重策略迭代 Wen Sun、Geoffrey J.Gordon、Byron Boots、J.Bagnell
• 递归控制递归网络 Yi Tay、Anh Tuan Luu、Siu Cheung Hui
• 时间交互数据中稀疏性、异质性、互惠性和社区结构的建模 Xenia Miscouridou、Francois Caron、Yee Whye Teh
• 分散和随机化：Wasserstein重心的快速算法 Pavel Dvurechenskii、Darina Dvinskikh、Alexander Gasnikov、Cesar Uribe、Angelia Nedich
• 非均匀多输出高斯过程预测 巴勃罗·莫雷诺·穆尼奥斯、安东尼奥·阿特斯、毛里西奥·阿尔瓦雷斯
• SNIPER：高效的多尺度训练 巴拉特·辛格、马哈亚尔·纳吉布、拉里·戴维斯
• 用于姿势引导人图像合成的软编码Warping-GAN 董浩业、梁晓丹、柯功、赖汉江、贾朱、建印
• 增量编码器：一种有效的小目标识别样本合成方法 Eli Schwartz、Leonid Karlinsky、Joseph Shtok、Sivan Harary、Mattias Marder、Abhishek Kumar、Rogerio Feris、Raja Girys、Alex Bronstein
• 稀疏量化通信分布式深度学习的线性加速分析 彭江，Gagan Agrawal
• 具有重尾收益的线性随机盗贼的几乎最优算法 韩绍、于晓天、欧文·金、迈克尔·R·吕
• 学习最小超球面能量 刘卫阳、林荣美、刘振新、刘立新、余志定、博代、乐松
• 从梨状皮层的神经反应中学习潜在的多种气味表征 吴安琪（Anqi Wu）、斯坦·帕什科夫斯基（Stan Pashkovski）、桑迪普·R·达塔（Sandeep R.Datta）、乔纳森·皮洛（Jonathan W.Pillow）
• 改进深度卷积神经网络的二阶池全局门混合算法 王奇龙、高子林、谢江涛、左望梦、李培华
• 神经代码理解：代码语义的可学习表示 Tal Ben-Nun、Alice Shoshana Jakobovits、Torsten Hoefler
• PAC-Bayes树：有保证的加权子树 Tin D.Nguyen、Samory Kpotufe
• 摊销推断正则化 Rui Shu、Hung H.Bui、Shengjia Zhao、Mykel J.Kochenderfer、Stefano Ermon
• 结构感知卷积神经网络 张建龙、顾洁、王凌峰、高凤、项世明、潘春红
• 决策树的交替优化及其在稀疏斜树学习中的应用 Miguel A.Carreira-Perpina、Pooya Tavallali
• 尖峰神经网络的梯度下降 Dongsung Huh，Terrence J.Sejnowski
• 核K-Means中的统计和计算权衡 丹尼尔·卡兰德里埃洛（Daniele Calandriello）、洛伦佐·罗萨斯科（Lorenzo Rosasco）
• 单层神经网络Fisher信息矩阵的谱 杰弗里·彭宁顿，普拉提克·沃拉
• 作为相互作用粒子的参数：神经网络的长时间收敛和渐近误差标度 格兰特·罗斯科夫（Grant Rotskoff）、埃里克·范登·伊恩登（Eric Vanden-Eijnden）
• 从单独标签提升建模 Ikko Yamane、Florian Yger、Jamal Atif、Masashi Sugiyama
• 模型优化和深度传播的桥接框架 刘日生、程世超、刘晓坤、马龙、樊欣、罗忠轩
• 用小波学习谱分解的滤波器宽度 布伦特·耶纳·海达尔·汗
• 使用序列自动编码器从未标记时间序列中学习扭曲距离 阿布巴卡尔·阿比德（Abubakar Abid），詹姆斯·Y·邹（James Y.Zou）
• Gen-Oja：流广义特征向量计算的简单高效算法 库什·巴蒂亚（Kush Bhatia）、阿尔多·帕奇亚诺（Aldo Pacchiano）、尼古拉斯·弗拉马利翁（Nicolas Flamarion）、彼得·巴特利特（Peter L.Bartlett）、迈克尔·乔丹（Michael I.Jordan）
• 卷积神经网络中的异构比特宽度二值化 Joshua Fromm、Shwetak Patel、Matthai Philipose
• BRUNO：可交换数据的深度递归模型 Iryna Korshunova、Jonas Degrave、Ferenc Huszar、Yarin Gal、Arthur Gretton、Joni Dambre
• 自适应重要抽样的渐近最优性 弗朗索瓦·波特（François Portier）、伯纳德·德尔扬（Bernard Delyon）
• 生成先验下的相位恢复 Paul Hand、Oscar Leong、Vlad Voroninski
• 高斯过程先验变分自动编码器 弗朗西斯科·保罗·卡萨利（Francesco Paolo Casale）、阿德里安·达尔卡（Adrian Dalca）、卢卡·萨利埃蒂（Luca Saglietti）、詹妮弗·利斯特加滕（Jennifer Listgarten）、尼科洛·
• 具有局部递归处理的深度预测编码网络在目标识别中的应用 韩宽、文海光、张艺珍、傅迪、尤金尼奥·库鲁奇列洛、刘忠明
• 指数强瑞利分布 塞尔达·E·马里特（Zelda E.Mariet）、苏夫里特·斯拉（Suvrit Sra）、斯特凡妮·杰格尔卡（Stefanie Jegelka）
• 尾部自适应f-发散的变分推理 王帝林、刘浩、刘强
• 对称可变形对象类别的建模和无监督学习 詹姆斯·休利斯、哈坎·比伦、安德烈亚·维达尔迪
• 通过对手数据增强对未知领域进行泛化 Riccardo Volpi、Hongseok Namkoong、Ozan Sener、John C.Duchi、Vittorio Murino、Silvio Savarese
• 网络模型中社区检测的信息论极限 柯楚扬，让·霍诺里奥
• 树状皮层微电路近似于反向传播算法 Joáo Sacramento、Rui Ponte Costa、Yoshua Bengio、Walter Senn
• 稀疏盲反褶积中的结构化局部极小值 张玉谦、郭汉文、约翰·赖特
• 求解复杂度低于$\mathcal{O}（1/\varepsilon）$的非光滑约束程序：一种原对偶同伦光滑方法 魏晓翰、郝宇、秦玲、迈克尔·奈利
• 语音和文本嵌入空间的无监督跨模式对齐 余安忠、魏洪翁、施拉辛·通、詹姆斯·格拉斯
• 变分自编码器中分离解纠缠源 Ricky T.Q.Chen、Xuechen Li、Roger B.Grosse、David K.Duvenaud
• 学习使用信息规则化分享和隐藏意图 DJ斯特劳斯、Max Kleiman Weiner、Josh Tenenbaum、Matt Botvinick、David J.Schwab
• 为什么我的分类器具有歧视性？ Irene Chen、Fredrik D.Johansson、David Sontag
• 基于条件图像生成的目标地标无监督学习 托马斯·贾卡布、安库什·古普塔、哈坎·比伦、安德烈亚·维达尔迪
• 并行强化学习中的可扩展协同探索 玛丽亚·迪马科波卢（Maria Dimakopoulou）、伊恩·奥斯班德（Ian Osband）、本杰明·范罗伊（Benjamin Van Roy）
• 图高斯过程的贝叶斯半监督学习 Yin Cheng Ng、NicolóColombo、Ricardo Silva
• 简单、分布式和加速概率编程 Dustin Tran、Matthew W.Hoffman、Dave Moore、Christopher Suter、Srinivas Vasudevan、Alexey Radul
• 随机森林何时会失败？ Cheng Tang、Damien Garreau、Ulrike von Luxburg
• 具有可变武器和子模块奖励的上下文组合多武器土匪 陈立兴、徐杰、卓璐
• 学习从看不见的类中重建形状 张秀明、张周彤、张成凯、乔什·特南鲍姆、比尔·弗里曼、吴家军
• 混合矩阵完成 丹尼尔·皮门特尔·阿尔康
• 用线性强化学习解决推荐系统中的厌烦问题 罗曼·沃洛普、亚历山德罗·拉扎里奇、杰雷米·玛丽
• 用于文本网络嵌入的扩散映射 张新元、李一彤、沈定翰、劳伦斯·卡林
• 基于多语义标签表示的分布外检测 加比·沙列夫、约西·阿迪、约瑟夫·凯舍特
• 几乎线性时间内逃离鞍点的一阶随机算法 Yi Xu、Rong Jin、Tianbao Yang
• cpSGD：通信高效和差异化的私有分布式SGD Naman Agarwal、Ananda Theertha Suresh、Felix Xinnan X.Yu、Sanjiv Kumar、Brendan McMahan
• 保理劫匪 叶夫根尼·塞尔丁（Yevgeny Seldin）朱利安·齐默特（Julian Zimmert）
• 毒蛙！针对神经网络的清洁标签中毒攻击 Ali Shafahi、W.Ronny Huang、Mahyar Najibi、Octavian Suciu、Christoph Studer、Tudor Dumitras、Tom Goldstein
• ODE的隐式概率积分器 Onur Teymur、Han Cheng Lie、Tim Sullivan、Ben Calderhead
• 最大内积搜索的非度量相似图 斯坦尼斯拉夫·莫罗佐夫（Stanislav Morozov）、阿特姆·巴本科（Artem Babenko）
• 学习带边的凸多面体 Lee-Ad Gottlieb、Eran Kaufman、Aryeh Kontorovich、Gabriel Nivasch
• 提取Wasserstein学习用于单词嵌入和主题建模 徐洪腾、王文林、刘伟、劳伦斯·卡林
• 利用高斯过程从天气雷达数据推断潜在速度 Rico Angell、Daniel R.Sheldon
• 通过对立面信息最大化生成信息丰富且多样的会话响应 张艺哲、Michel Galley、高建峰、甘喆、李秀军、Chris Brockett、Bill Dolan
• 多智能体生成对抗性模仿学习 宋嘉明、任洪宇、多尔萨·萨迪格、斯特凡诺·埃蒙
• 通过端到端几何推理发现潜在的三维关键点 苏帕索恩·苏瓦亚纳科恩、诺亚·斯纳维利、乔纳森·汤普森、穆罕默德·诺鲁齐
• 高斯过程聚合输出的变分学习 Ho Chung Law、Dino Sejdinovic、Ewan Cameron、Tim Lucas、Seth Flaxman、Katherine Battle、Kenji Fukumizu
• 在有限建议的预测中适应简单数据 托比亚斯·索默尔·图恩（Tobias Sommer Thune）、叶夫根尼·塞尔丁（Yevgeny Seldin）
• 最大因果Tsallis熵模拟学习 Kyungjae Lee、Sungjoon Choi、Songhwai Oh
• 重要性加权和变分推理 贾斯汀·多姆，丹尼尔·谢尔顿
• 用置换不变结构预测将图像映射到场景图 罗伊·赫齐格（Roei Herzig）、莫西科·拉博（Moshiko Raboh）、加尔·切奇克（Gal Chechik）、乔纳森·贝兰特（Jonathan Berant）、埃米尔·格勒布森（Amir Globerson）
• ResNets明显优于线性预测吗？ 奥哈德·沙米尔
• 元梯度强化学习 徐忠文、哈多·范·哈塞尔特、大卫·西尔弗
• GPyTorch:GPU加速的黑箱矩阵高斯过程推断 雅各布·加德纳、杰夫·普莱斯、基利安·温伯格、大卫·宾德尔、安德鲁·威尔逊
• 后门攻击中的频谱特征 Brandon Tran、Jerry Li、Aleksander Madry
• 对可靠解释和预测的不确定性关注 Jay Heo、Hae Beom Lee、Saehon Kim、Juho Lee、Kwang Joon Kim、Eunho Yang、Sung Ju Hwang
• 卷积LSTM在手势识别中的注意事项 张亮、朱光明、林梅、沈培义、赛义德·阿法克·阿里·沙阿、穆罕默德·本纳蒙
• 部分观测策略游戏的正向建模——星际争霸除雾器 Gabriel Synnaeve、Zeming Lin、Jonas Gehring、Dan Gant、Vegard Mella、Vasil Khalidov、Nicolas Carion和Nicolas Usunier
• PacGAN：两个样本在生成性对抗网络中的威力 Zinan Lin、Ashish Khetan、Giulia Fanti、Sewoong Oh
• 从下一代测序计数数据中发现癌症亚型的贝叶斯多域学习 Ehsan Hajiramezanali、Siamak Zamani Dadaneh、Alireza Karbalayghareh、Mingyuan Zhou、Xiaoning Qian
• 多语言锚定：交互式主题建模和跨语言对齐 Michelle Yuan、Benjamin Van Durme、Jordan L.Ying
• 基于在线学习的广义逆优化 董朝生、陈依然、曾波
• 显著性地图的健全性检查 Julius Adebayo、Justin Gilmer、Michael Muelly、Ian Goodfellow、Moritz Hardt、Been Kim
• 二项式数据的差异私有一致最有力测试 Jordan Awan，Aleksandra Slavković
• 扭曲多输出高斯过程的贝叶斯对准 马库斯·凯泽、克莱门斯·奥特、托马斯·伦克勒、卡尔·亨利克·埃克
• 证明对抗性示例鲁棒性的半定松弛 Aditi Raghunathan、Jacob Steinhardt、Percy S.Liang
• 聚类中不确定性的紧表示 Craig Greenberg、Nicholas Monath、Ari Kobren、Patrick Flaherty、Andrew McGregor、Andrew-Mcallum
• DeepPINK：深度神经网络中的可复制特征选择 杨璐、范莹莹、吕金驰、威廉·斯塔福德诺布尔
• 监督自编码器：使用无监督正则化器提高泛化性能 Lei Le、Andrew Patterson、Martha White
• 通过图电导理解正则化谱聚类 张依林、卡尔·罗赫
• 高维线性反问题中的插入估计：严格分析 Alyson K.Fletcher、Parthe Pandit、Sundeep Rangan、Subrata Sarkar、Philip Schniter
• 具有竞争风险的生存分析的多任务推进 亚历克西斯·贝洛特（Alexis Bellot）、米哈埃拉·范德沙尔（Mihaela van der Schaar）
• 非定常流体流动的深层动力学建模与控制 杰里米·莫顿（Jeremy Morton）、安东尼·詹姆逊（Antony Jameson）、米克尔·J·科钦德费尔（Mykel J.Kochenderfer）、弗雷迪·威瑟登（Freddie Witherden）
• 利用F-统计量损失学习深度非纠缠嵌入 迈克尔·莫泽·卡尔·里奇韦
• 生成对抗网络的断开流形学习 Mahyar Khayatkhoei、Maneesh K.Singh、Ahmed Elgammal
• 用贝叶斯优化实现贝叶斯最优化的自动化 古斯塔沃·马尔科梅斯，罗曼·加内特
• 线性回归的杠杆体积采样 Michal Derezinski、Manfred K.K.Warmuth、Daniel J.Hsu
• 具有非凸损失的可扩展鲁棒矩阵分解 姚全明、郭富城
• Pipe SGD:一种用于分布式深度网络训练的去中心化流水线SGD框架 李友杰、于明超、李松泽、萨勒曼·阿维斯特梅尔、金南成、亚历山大·施温
• Wasserstein变分推理 卢卡·安布罗吉奥尼（Luca Ambrogioni）、乌穆特·古斯吕（Umut Güçlü）、亚穆尔·古斯吕尔克（Yaömur Güc lütürk）、马克斯·希恩（Max Hinne）、马塞尔·范格文（Marcel A.J.van Gerven）、埃里
• 数据贫困环境中动态未知大型MDP的贝叶斯控制 Mahdi Imani、Seyede Fatemeh Ghoreishi、Ulisses M.Braga-Neto
• 线性上下文Bandit问题贪婪算法的平滑分析 Sampath Kannan、Jamie H.Morgenstern、Aaron Roth、Bo Waggoner、Zhiwei Steven Wu
• 终身逆向强化学习 豪尔赫·门德斯、沙申克·希夫库马尔、埃里克·伊顿
• 循环世界模型促进政策演变 大卫·哈，Jürgen Schmidhuber
• 多信源自适应算法与理论 Judy Hoffman、Mehryar Mohri、张宁山
• 在结合专家意见时保持非歧视 Avrim Blum、Suriya Gunasekar、Thodoris Lykouris、Nati Srebro
• 基于可交换神经网络的群体遗传数据无似然推理框架 杰弗里·陈（Jeffrey Chan）、瓦莱里奥·佩罗内（Valerio Perrone）、杰弗里·斯宾塞（Jeffreey Spence）、保罗·詹金斯（Paul Jenkins）、萨拉·马西森（Sara Mathieson）、云松
• 低银行保理的隐私价格 贾拉杰·乌帕迪耶
• 神经网络的高效形式安全分析 王世奇、裴可欣、贾斯汀·怀特豪斯、杨俊峰、苏曼·贾纳
• 基于随机行走的节点相似性推断网络 Jeremy Hoskins、Cameron Musco、Christopher Musco和Babis Tsourakakis
• 无监督学习视变动作表征 李俊楠、王永康、赵琦、莫汉·S·坎坎哈里
• 基于多域匹配的关系提取 李一同、迈克尔·穆里亚斯、杰拉尔丁·道森、大卫·卡尔森
• 分布式$k$-重噪声数据的聚类 史丽、郭祥宇
• 通过最小、稳定和符号校正解释神经网络判断 张欣（Xin Zhang）、阿曼多·索拉勒扎马（Armando Solar-Lezama）、里沙布·辛格（Rishabh Singh）
• 多元化集成演化：课程数据-模型联姻 周天一、王胜杰、杰夫·比尔姆斯
• 与最近邻居的Q学习 德瓦夫拉特·沙阿、谢巧敏
• 模块化网络：学习分解神经计算 路易斯·基尔希、朱利叶斯·昆泽、大卫·巴伯
• 稀疏梯度方法的收敛性 Dan Alistarh、Torsten Hoefler、Mikael Johansson、Nikola Konstantinov、Sarit Khirirat、Cedric Renggli
• 深度代码：通过深度学习的反馈代码 Hyeji Kim、Yihan Jiang、Sreeram Kannan、Sewoong Oh、Pramod Viswanath
• 可视化问答推理链 吴晨飞、刘金来、王晓杰、宣东
• 哈密顿变分自动编码器 Anthony L.Caterini、Arnaud Doucet、Dino Sejdinovic
• 无组织恶意攻击检测 Ming Pang、Wei Gao、Min Tao、Zhi-Hua Zhou
• 常乘误差的差分私有k均值 乌里·斯特默（Uri Stemmer），哈伊姆·卡普兰（Haim Kaplan）
• 基于特征有效表示的可解释分类的多值规则集 王彤
• 一个观测值的可证明高斯嵌入 于明（Ming Yu）、杨卓然（Zhuoran Yang）、赵拓（Tuo Zhao）、科拉尔（Mladen Kolar）、王兆然（Zhaoran Wang）
• 多方机器学习中的污染攻击与缓解 杰米·海耶斯（Jamie Hayes）、奥尔加·奥赫里蒙科（Olga Ohrimenko）
• 用于通信高效分布式优化的梯度稀疏化 建桥王妮、王佳蕾、刘吉、张彤
• 随机梯度Langevin动力学的承诺和陷阱 尼古拉·布罗斯（Nicolas Brosse）、阿兰·杜莫斯（Alain Durmus）、埃里克·穆林斯（Eric Moulines）
• 用8位浮点数训练深度神经网络 Naigang Wang、Jungwook Choi、Daniel Brand、Chia-Yu Chen、Kailash Gopalakrishnan
• ATOMO：通过原子稀疏化实现通信高效学习 王宏毅、斯科特·西弗特、刘圣超、扎卡里·查尔斯、迪米特里斯·帕皮利奥普洛斯、斯蒂芬·赖特
• 不完全信息博弈的深度极限解 诺姆·布朗（Noam Brown）、托马斯·桑德霍姆（Tuomas Sandholm）、布兰登·阿莫斯（Brandon Amos）
• 混合加性噪声模型的因果推断与机理聚类 胡寿波、陈志堂、瓦希德·帕托维·尼娅、陈来万、耿燕慧
• 对抗风险和稳健性：均匀分布的一般定义和含义 迪米特里奥斯·迪奥奇诺斯、赛义德·马卢吉法尔、穆罕默德·马哈穆迪
• 正则化非凸二次问题的Krylov子空间解分析 耶尔·卡蒙（Yair Carmon）、约翰·杜奇（John C.Duchi）
• 基于矩阵绘制的高效异常检测 Vatsal Sharan、Parikshit Gopalan、Udi Wieder
• 带回调的反向传播：高效可表达差分编程的基础 王飞、詹姆斯·戴克、吴锡伦、格雷戈里·埃塞尔、蒂亚克·隆普夫
• 安全强化学习的约束交叉熵方法 Min Wen、Ufuk Topcu
• 图形模型推断：序贯蒙特卡罗满足确定性近似 Fredrik Lindsten、Jouni Helske、Matti Vihola
• 通过观看YouTube玩艰苦的探索游戏 Yusuf Aytar、Tobias Pfaff、David Budden、Thomas Paine、Ziyu Wang、Nando de Freitas
• 协同PAC学习的改进算法 Huy Nguyen、Lydia Zakynthinou
• 扩大可证明的对抗性防御 Eric Wong、Frank Schmidt、Jan Hendrik Metzen、J.Zico Kolter
• 了解批次规范化 尼尔斯·比约克、卡拉·戈麦斯、巴特·塞尔曼、基利安·温伯格
• 神经语言模型快速可扩展解码的图形表示导航 张敏佳、王文涵、刘晓东、高建峰、何玉雄
• 从鉴别特征反馈中学习 Sanjoy Dasgupta、Akansha Dey、Nicholas Roberts、Sivan Sabato
• 基于条件梯度和梯度更新的零阶（非）凸随机优化 Krishnakumar Balasubramanian，赛义德·加迪米
• 带Bandit采样的坐标下降 Farnood Salehi、Patrick Thiran、Elisa Celis
• 具有实例相关先验的稳定算法的PAC-Bayes界 Omar Rivasplata、Emilio Parrado-Hernandez、John S.Shawe-Tylor、Shiliang Sun、Csaba Szepesvari
• DropMax：自适应变分Softmax Hae Beom Lee、Juho Lee、Saehoon Kim、Eunho Yang、Sung Ju Hwang
• 多层梯度提升决策树 季峰、杨瑜、周志华
• Rest-Katyusha：通过预定重启方案开发解决方案的结构 Junqi Tang、Mohammad Golbabaee、Francis Bach、Mike E.davies
• 用学习垃圾收集器自动合成长程序 阿米特·佐哈尔，Lior Wolf
• 量化凸但不一致替代的学习保证 基里尔·斯特鲁明斯基、西蒙·拉科斯特·朱利安、安东·奥索金
• 使用语言模型作为鉴别器的无监督文本风格转换 杨子超、胡志婷、克里斯·戴尔、埃里克·P·星、泰勒·伯格-柯克帕特里克
• 用于高分辨率三维对象表示的多视图轮廓和深度分解 Edward Smith、Scott Fujimoto、David Meger
• 用因果推理预测不变条件分布的区域自适应 Sara Magliabane、Thijs van Ommen、Tom Claassen、Stephan Bongers、Philip Versteeg、Joris M.Mooij
• 令人困惑的稳健政策改进 内森·卡卢斯（Nathan Kallus）、安吉拉·周（Angela Zhou）
• 非通信马尔可夫决策过程中的近似最优探索-展开 罗南水果、马特奥·皮罗塔、亚历山德罗·拉扎里奇
• Mesh-TensorFlow：超级计算机的深度学习 诺姆·沙泽尔（Noam Shazeer）、郑友龙（Youlong Cheng）、尼基·帕马尔（Niki Parmar）、达斯汀·特拉（Dustin Tran）、阿什什·瓦斯瓦尼（Ashish Vaswani）、彭朋·科纳塔科尔（Penporn Koanantakool）、彼得·霍金斯（Peter Hawkins）、HyoukJoong Lee、洪明生（
• 前景聚类在视频和图像联合分割和定位中的应用 阿布谢克·夏尔马
• 通过子抽样放大隐私：通过耦合和分歧进行严密分析 博尔贾·巴利、吉莱斯·巴特、马可·加博阿迪
• 深度学习模型的描述长度 莱昂纳德·布利尔、亚恩·奥利维尔
• 基于深度生成模型的半拥挤聚类 罗玉岑、田田、石嘉欣、朱军、张博
• 可缩放拉普拉斯K模式 Imtiaz Ziko、Eric Granger、Ismail Ben Ayed
• 非参数测试的提前停止 刘美美、广成
• 用VAE进行非逆映射 叶迪·霍森
• 使用概率动力学模型在大量试验中进行深度强化学习 Kurtland Chua、Roberto Calandra、Rowan McAllister、Sergey Levine
• 真实音乐生成的挑战：按比例建模原始音频 Sander Dieleman、Aaron van den Oord、Karen Simonyan
• 随机聚类的近似算法 David Harris、Shi Li、Aravind Srinivasan、Khoa Trinh、Thomas Pensyl
• 黎曼流形上的非精确信赖域算法 Hiroyuki Kasai，Bamdev Mishra
• 用自解释神经网络实现鲁棒解释 David Alvarez Melis、Tommi Jaakkola
• 基于先验网络的预测不确定性估计 安德烈·马利宁（Andrey Malinin）、马克·盖尔斯（Mark Gales）
• 绘制并行随机优化的Oracle模型、下限和间隙图 Blake E.Woodworth、Jialei Wang、Adam Smith、Brendan McMahan、Nati Srebro
• 基于强调权重的非政策政策梯度定理 Ehsan Imani、Eric Graves、Martha White
• 近似强化学习和在线强化学习中的多步贪婪策略 约纳森·埃夫罗尼（Yonathan Efroni）、加尔·达拉（Gal Dalal）、布鲁诺·舍勒（Bruno Scherrer）、谢·曼诺（Shie Mannor）
• 通过多项式逼近将泊松GLM缩放到大规模神经数据集 David Zoltowski，Jonathan W.Pillow
• 用于训练深度尖峰神经网络的宏/微混合反向传播 金英业、张文瑞、李鹏
• 基于Wasserstein距离学习的Sinkhorn逼近的微分性质 朱利娅·路易斯（Giulia Luise）、亚历山德罗·鲁迪（Alessandro Rudi）、马西米利亚诺·蓬蒂尔（Massimiliano Pontil）、卡洛·西利伯托（Carlo Ciliberto）
• 簇描述问题-复杂性结果、公式和近似 伊恩·戴维森、安托万·古鲁、S·拉维
• 具有离散扩散的全局非凸优化 穆拉特·埃尔多杜（Murat A.Erdogdu）、莱斯特·麦基（Lester Mackey）、奥哈德·沙米尔（Ohad Shamir）
• 利普希茨买家的上下文定价 毛杰明、雷纳托·莱梅、乔恩·施奈德
• 用神经网络处理缺失数据 马雷克·米耶（MarekŚmieja）、乌卡斯·斯特鲁斯基（ukasz Struski）、杰克·塔波尔（Jacek Tabor）、巴托斯·齐连斯基（Bartosz Zielin ski）、普尔泽米斯·瓦·斯普雷克
• 无对抗训练的不变表示 Daniel Moyer、Shuyang Gao、Rob Brekelmans、Aram Galstyan、Greg Ver Steeg
• 用随机梯度哈密顿蒙特卡罗推断深高斯过程 马顿·哈瓦西、何塞·米格尔·埃尔南德斯·洛巴托、胡安·何塞·穆里略-福因特斯
• 具有未知高斯过程先验的元贝叶斯优化的回归界 Zi Wang、Beomjoon Kim、Leslie Pack Kaelbling
• 基于全神经网络的移动和嵌入式设备语音识别 金湾公园、Yoonho Boo、Iksoo Choi、Sungho Shin、Wonyong Sung
• 用于分类的大边缘深度网络 Gamaleldin Elsayed、Dilip Krishnan、Hossein Mobahi、Kevin Regan、Samy Bengio
• 深度神经网络的协作学习 宋国聪、柴伟
• 作为多目标优化的多任务学习 奥赞·塞纳（Ozan Sener），弗拉德伦·科尔顿（Vladlen Koltun）
• 学习利用3D场景解析的稳定性 杜益伦、刘志坚、赫克托尔·巴塞维、亚历斯·莱昂纳迪斯、比尔·弗里曼、乔什·特南鲍姆、吴佳军
• 直接Runge-Kutta离散化实现加速 张静钊、雅利安·莫克塔里、苏夫里特·斯拉、阿里·贾巴比
• 分散训练的通信压缩 唐汉林、甘少铎、张策、张彤、刘季军
• 用少量样本克隆神经声音 Sercan Arik、Jitong Chen、Kainan Peng、Wei Ping、Yanqi Zhou
• 基于张量草图的大张量低秩Tucker分解 奥斯曼·阿西夫·马利克、斯蒂芬·贝克尔
• 但理论上它是如何工作的？具有随机特征的线性SVM 孙一童、安娜·吉尔伯特、安布吉·特瓦里
• 训练设计：快速高维卷积的加速神经网络 戴龙泉、梁唐、袁谢、汤金辉
• 模糊图像分割的概率U网 西蒙·科尔（Simon Kohl）、贝纳迪诺·罗梅拉·佩雷斯（Bernardino Romera-Pardes）、克莱门斯·梅耶（Clemens Meyer）、杰弗里·德福乌（Jeffrey De Fauw）、约瑟夫·莱德萨姆（Joseph R.Ledsam）、克劳斯·迈尔海因（Klaus Maier-Hein）、S.M.阿里·埃斯拉米（S
• 凹面N人游戏中的盗贼学习 Mario Bravo、David Leslie、Panayotis Mertikopoulos
• 基于Kronecker因子特征基的快速近似自然梯度下降 托马斯·乔治（Thomas George）、塞萨尔·洛朗（César Laurent）、泽维尔·鲍蒂利尔（Xavier Bouthillier）、尼古拉·巴拉斯（Nicolas Ballas）、帕斯卡·文森特（Pascal Vincent）
• 稀疏向量双线性反演的凸程序 Alireza Aghasi、Ali Ahmed、Paul Hand、Babhru Joshi
• Lipschitz-Margin训练：深度神经网络扰动不变性的可扩展证明 Tsuzuku Yusuke、佐藤一成、杉山正史
• 固定结构贝叶斯网络的鲁棒学习 Yu Cheng、Ilias Diakonikolas、Daniel Kane、Alistair Stewart
• 三维可操纵CNN:学习体积数据中的旋转等变特征 莫里斯·韦勒（Maurice Weiler）、马里奥·盖革（Mario Geiger）、马克斯·威林（Max Welling）、沃特·布姆斯马（Wouter Boomsma）、塔可·S·科恩（Taco S.Cohen）
• 受幼儿启发的视觉对象学习 Sven Bambach、David Crandall、Linda Smith、Chen Yu
• 减少网络恐惧症 阿克谢·拉杰·达米亚（Akshay Raj Dhamija）、曼努埃尔·孔瑟（Manuel Günther）、特兰斯·博尔特（Terrance Boult）
• 深层功能词典：从功能中学习3D模型上一致的语义结构 Minhyuk Sung、Hao Su、Ronald Yu、Leonidas J.Guibas
• 通过特征和演示教授反向强化学习者 Luis Haug、Sebastian Tschiatschek、Adish Singla
• 学习分解和分离表示以进行视频预测 谢俊廷、刘炳斌、黄德安、李菲菲、胡安·卡洛斯·尼布尔斯
• 贝叶斯优化的最大捕获函数 詹姆斯·威尔逊、弗兰克·赫特、马克·德伊森罗斯
• 对抗损失下的非参数密度估计 沙申克·辛格（Shashank Singh）、安娜亚·厄帕尔（Ananya Uppal）、李博悦（Boyue Li）、李春亮（Chun-Liang Li），曼齐尔·扎赫尔（Manzil Zaheer）、巴纳巴斯·波佐斯（Barnabas Poczos）
• 视频中监管薄弱的密集事件字幕 段旭光、黄文兵、庄干、王京东、朱文武、黄俊洲
• 月光：用廉价卷积蒸馏 埃利奥特·克劳利（Elliot J.Crowley）、加文·格雷（Gavin Gray）、阿莫斯·斯托基（Amos J.Storkey）
• 利用数值稀疏性实现高效学习：更快的特征向量计算和回归 内哈·古普塔（Neha Gupta）、亚伦·西德福德（Aaron Sidford）
• 持久数据库：公平价格下的统计有效性 Blake E.Woodworth、Vitaly Feldman、Saharon Rosset、Nati Srebro
• 学习可解释可视问答的条件图结构 Will Norcliffe-Brown、Stathis Vafeias、Sarah Parisot
• 成批历史数据的指数加权模拟学习 王庆、熊洁超、韩磊、孙鹏、刘韩、张彤
• 马尔可夫决策过程的时间正则化 Pierre Thodoroff、Audrey Durand、Joelle Pineau、Doina Precup
• 解释深度学习模型——一种贝叶斯非参数方法 郭文波、黄穗、陶云哲、邢新余、林林
• 带噪声观测的光滑函数优化：局部极小极大率 王以宁、西瓦拉曼·巴拉克里希南、阿尔蒂·辛格
• 机器学习的失真度量 Leena Chennuru Vankadara、Ulrike von Luxburg
• 具有改进对抗鲁棒性的稀疏DNN 郭一文、张超、张长水、陈宇荣
• e-SNLI：自然语言推理与自然语言解释 Oana-Maria Camburu、Tim Rocktäschel、Thomas Lukasiewicz、Phil Blunsom
• 卷积神经网络的突触强度 陈林、赵忠、吴伟、闫俊杰
• 结构化探索策略的元强化学习 阿比谢克·古普塔（Abhishek Gupta）、拉塞尔·门多卡（Russell Mendonca）、刘宇轩（YuXuan Liu）、彼得·阿比埃尔（Pieter Abbeel）、谢尔盖·莱文（Sergey Levine）
• 嵌入元数据影响的Gamma-Poisson动态矩阵分解 Trong Dinh Thac Do，曹隆兵
• 均值-方差优化的块坐标升序算法 谢腾阳、刘波、徐阳阳、穆罕默德·加瓦姆扎德、周殷林、吕道明、大势云
• MetaGAN：一种对抗性的少快照学习方法 张瑞祥、童车、邹斌·加拉马尼、约书亚·本吉奥、宋扬秋
• 具有可加性和正交傅里叶特征的高效高维贝叶斯优化 安德烈亚斯·克劳斯（Andreas Krause），莫杰米尔·穆特尼（Mojmir Mutny）
• 优化算法背后的物理系统 林阳、拉曼·阿罗拉、弗拉基米尔·勇敢者、托赵
• 基于不同点云的形状和姿态无监督学习 艾尔达尔·因萨福丁诺夫（Eldar Insafutdinov）、阿列克谢·多索维茨基（Alexey Dosovitskiy）
• 无监督注意引导的图像到图像转换 Youssef Alami Mejjati、Christian Richardt、James Tompkin、Darren Cosker、Kwang In Kim
• 学习凹形条件似然模型改进串联质谱分析 John T.Halloran、David M.Roke
• 超越网格：用于视觉识别的学习图形表示 Yin Li、Abhinav Gupta
• 基于在线折叠重要性抽样的近似知识编译 Tal Friedman，Guy Van den Broeck
• 神经机器翻译中编码器和解码器的分层协调 何天宇、徐坦、夏英策、狄和、陶琴、陈志波、刘铁燕
• 基于Lyapunov的安全强化学习方法 Yinlam Chow、Ofir Nachum、Edgar Duenez-Guzman、Mohammad Ghavamzadeh
• 可逆递归神经网络 马修·麦凯、保罗·维科尔、吉米·巴、罗杰·格罗斯
• 深泊松伽马动力学系统 郭丹丹、陈波、张浩、周明远
• 正则化学习网络：表格数据集的深度学习 伊拉·沙维特（Ira Shavitt）、埃兰·西格尔（Eran Segal）
• 具有未知公平度量的在线学习 斯蒂芬·吉伦、克里斯托弗·荣格、迈克尔·卡恩斯、亚伦·罗斯
• 使用谱学习完成状态表示 Nan Jiang、Alex Kulesza、Satinder Singh
• 从随机规划到边际MAP Hao（Jackson）Cui、Radu Marinescu、Roni Khardon
• 超越二次指派模型的广义图匹配 于天舒、颜俊驰、王依林、刘伟、李宝欣
• 政策梯度方法的内在报酬学习 Zeyu Zheng、Junhyuk Oh、Satinder Singh
• 基于激活样本方差的正则化 伊泰·利特温（Etai Littwin），Lior Wolf
• 带担保的单代理策略树搜索 劳伦特·奥尔索（Laurent Orseau）、列维·莱利斯（Levi Lelis）、托·拉蒂莫尔（Tor Lattimore）、西奥芬·韦伯（Theophane Weber）
• 深层生成模型中的偏差和泛化：一项实证研究 赵胜佳、任洪宇、袁丽安娜、宋嘉明、诺亚·古德曼、斯特凡诺·埃蒙
• 用于学习图像压缩的联合自回归和层次先验 David Minnen、Johannes Ballé、George D.Toderici
• 基于图神经网络的链路预测 张木涵、陈一新
• 具有不同监督级别的灵活培训行动定位模型 Guilhem Chéron、Jean-Baptiste Alayrac、Ivan Laptev、Cordelia Schmid
• 基于神经样本的概率人口编码 Sabyasachi Shivkumar、Richard Lange、Ankani Chattoraj、Ralf Haefner
• 利用对手自动编码器的生成概率新颖性检测 Stanislav Pidhorskyi、Ranya Almhsen、Gianfranco Doretto
• 约束POMDP的Monte-Carlo树搜索 Jongmin Lee、Geon-hyeong Kim、Pascal Poupart、Kee-Eung Kim
• 基于结构化数据的随机梯度下降学习超参数神经网络 李元志、梁英玉
• 模型比较的信息功能 Wittawat Jitkrittum、Kanagawa Heishiro、Patsorn Sangkloy、James Hays、Bernhard Schölkopf、Arthur Gretton
• 用于深度神经网络的识别通道修剪 庄伟壮、谭明奎、庄伯翰、刘静、郭勇、吴庆耀、黄俊洲、朱金辉
• 定理证明的强化学习 Cezary Kaliszyk、Josef Urban、Henryk Michalewski、Miroslav Olšák
• 快速杠杆分数抽样与最优学习 亚历山德罗·鲁迪（Alessandro Rudi）、丹尼尔·卡兰德里洛（Daniele Calandriello）、路易吉·卡拉蒂诺（Luigi Carratino）、洛伦佐·罗萨斯科（Lorenzo Rosasco）
• 条件GANs对噪声标签的鲁棒性 Kiran K.Thekumparampil、Ashish Khetan、Zinan Lin、Sewoong Oh
• 通过实验接地消除隐患 内森·卡卢斯、阿赫拉·马纳斯·普利、乌里·沙利特
• 张量的勒让德分解 麻仁杉山、中原裕久、津田浩二
• 群Lasso结构的双层学习 Jordan Frecon、Saverio Salzo、Massimiliano Pontil
• SING：符号到仪器神经发生器 亚历山大·迪福塞兹（Alexandre Defossez）、尼尔·齐多尔（Neil Zeghidour）、尼古拉·乌苏尼尔（Nicolas Usunier）、利昂·博图（Leon Bottou）、弗朗西斯·巴赫（Francis Bach）
• 使用递归边际结构网络预测治疗反应 布莱恩·林
• 带影响函数的最优子抽样 Daniel Ting、Eric Brochu
• LinkNet:场景图的关系嵌入 Sanghyun Woo、Dahun Kim、Donghyeon Cho、In So Kweon
• 元学习MCMC提案 王通洲、吴毅、戴夫·摩尔、斯图亚特·罗素
• 贝叶斯对抗学习 南洋冶、朱占星
• 基于宾汉分布和回火测地MCMC的贝叶斯位姿图优化 托尔加·比达尔（Tolga Birdal）、乌穆特·西姆塞克利（Umut Simsekli）、穆斯塔法·奥努尔·埃肯（Mustafa Onur Eken）、斯洛博丹·伊里奇（Slobodan Ilic）
• 二次可分解子模函数最小化 潘丽、尼奥和、奥利吉卡·米伦科维奇
• 结构化多响应回归的交替极小化改进分析 Sheng Chen、Arindam Banerjee
• 非凸学习与优化梯度的一致收敛性 Dylan J.Foster、Ayush Sekhari、Karthik Sridharan
• 稀疏深度学习的后向专注 尼古拉斯·G·波尔森，维罗尼卡·罗奇科娃
• 用于分段检测的序列对分段网络 魏子军、王伯瑜、阮敏浩、张建明、Zhe Lin、沈晓辉、Radomir Mech、Dimitris Samaras
• 基于双平均主对偶优化的多智能体强化学习 会土伟、杨卓然、王兆然、洪明义
• 神经切线核：神经网络的收敛与推广 亚瑟·杰科特、弗兰克·加布里埃尔、克莱门特·洪勒
• 深度强化学习的随机先验函数 Ian Osband、John Aslanides、Albin Cassirer
• 正则化最优传输训练GAN的收敛性和鲁棒性 Maziar Sanjabi、Jimmy Ba、Meisam Razaviyayn、Jason D.Lee
• 不确定性抽样是基于零一损失的先决随机梯度下降 斯蒂芬·马斯曼（Stephen Mussmann）、珀西·梁思明（Percy S.Liang）
• Pareto最优序列决策的可协商强化学习 Nishant Desai、Andrew Critch、Stuart J.Russell
• 基于自适应SGD的分布式随机优化 阿肖克·库特科斯基（Ashok Cutkosky），罗贝特·布萨·费科特（Róbert Busa-Fekete）
• 离散张量分解和神经元组装的光滑分析 尼玛·阿纳里（Nima Anari）、君士坦丁诺斯·达斯卡拉基斯（Constantinos Daskalakis）、沃尔夫冈·马斯（Wolfgang Maass）、克里斯托斯·帕帕迪米特里奥
• 时间序列预测的深状态空间模型 Syama Sundar Rangapuram、Matthias W.Seeger、Jan Gasthaus、Lorenzo Stella、Yuyang Wang、Tim Januschowski
• 通过强化学习学习时间点过程 双莉、帅潇、朱世祥、南渡、姚燮、乐松
• GLoMo：可转移关系图的无监督学习 杨志林（Zhilin Yang）、赵杰克（Jake Zhao）、布万·辛格拉（Bhuwan Dhingra）、何开明（Kaiming He
• 神经符号VQA：从视觉和语言理解中分离推理 易克欣、吴佳军、庄干、安东尼奥·托拉尔巴、普希米特·科利、乔什·特南鲍姆
• 利用几何变换检测深部异常 伊扎克戈兰，兰·埃勒亚尼夫
• 具有丰富观察结果的口腔高效PAC RL Christoph Dann、Nan Jiang、Akshay Krishnamurthy、Alekh Agarwal、John Langford、Robert E.Schapire
• 小波域超分辨的团结构联合子带学习 Zhisheng Zhong、Tiancheng Shen、Yibo Yang、Zhouchen Lin、Chao Zhang
• 理解学习表征：不同的神经网络在多大程度上学习相同的表征 王立伟、胡伦嘉、顾佳元、胡志强、吴岳、何坤、约翰·霍普克罗夫特
• 非妄想Q学习与价值迭代 Tyler Lu、Dale Schuurmans、Craig Boutiler
• 卷积神经网络的一个有趣的失败和CoordConv解 Rosanne Liu、Joel Lehman、Piero Molino、Felipe Petroski Some、Eric Frank、Alex Sergeev、Jason Yosinski
• 高斯过程的对抗稳健优化 伊利亚·博古诺维奇（Ilija Bogunovic）、乔纳森·斯嘉丽（Jonathan Scarlett）、斯特凡妮·杰格尔卡（Stefanie Jegelka）、沃尔坎·塞弗赫（Volkan Cevher）
• 通过结构化表示学习层次语义图像操作 洪承勋、严新晨、黄托马斯、李洪拉
• 用于压缩成像的神经近端梯度下降 莫特扎·马尔达尼、孙庆云、大卫·多诺霍、瓦丹·帕皮安、哈瑟夫·莫纳杰米、什利亚斯·瓦萨纳瓦拉、约翰·保利
• 幂律有效的神经代码提供了感知偏差和可辨别性之间的一般联系 迈克尔·莫利斯（Michael Morais）、乔纳森·皮洛（Jonathan W.Pillow）
• 随机非参数事件传感器分解 哲善典、杜一帅
• 一种训练结构化预测模型的更平滑方法 文卡塔·克里希纳·皮卢特拉（Venkata Krishna Pilutla）、文森特·鲁莱特（Vincent Roulet）、沙姆·M·卡卡德（Sham M.Kakade）、扎伊德·哈查维（Zaid Harchaoui）
• 进化随机梯度下降算法在深度神经网络优化中的应用 崔晓东、张伟、托斯克、迈克尔·皮切尼
• 关于Logistic回归的核集 Alexander Munteanu、Chris Schwiegelshohn、Christian Sohler、David Woodruff
• 评估生物激励的深度学习算法和架构的可扩展性 谢尔盖·巴图诺夫、亚当·桑托罗、布莱克·理查兹、卢克·马里斯、杰弗里·欣顿、蒂莫西·利利克拉普
• 基于逆向图形的三维软件场景操纵 姚顺玉、徐子明、朱俊彦、吴嘉君、安东尼奥·托拉尔巴、比尔·弗里曼、乔什·特南鲍姆
• 学会不该学的东西：用深度强化学习消除行动 Tom Zahavy、Matan Haroush、Nadav Merlis、Daniel J.Mankowitz、Shie Mannor
• 连接优化和正则化路径 Arun Suggala、Adarsh Prasad、Pradeep K.Ravikumar
• 基于理论的最近邻模型应用评价 亨德里克·费赫滕贝格（Hendrik Fichtenberger）、丹尼斯·罗德（Dennis Rohde）
• MetaReg：使用Meta-Regularization实现域泛化 Yogesh Balaji、Swami Sankaranarayanan、Rama Chellappa
• 镜像朗之万动力学 谢亚萍、阿里·卡维斯、保罗·罗兰、沃尔坎·塞弗尔
• 脑电磁信号的多元卷积稀疏编码 Tom Dupréla Tour、Thomas Moreau、Mainak Jas、Alexandre Gramfort
• 复杂门限递归神经网络 莫里茨·沃尔特（Moritz Wolter）、安吉拉·姚明（Angela Yao）
• 主动床垫 杨欣、徐珂、陈绍哲、何胜峰、尹保才、刘瑞森
• 通过Rareevent仿真实现可扩展的端到端自主车辆测试 Matthew O'Kelly、Aman Sinha、Hongseok Namkoong、Russ Tedrake、John C.Duchi
• 用退火变分目标提高变分推理的可探索性 Chin-Wei Huang、Shawn Tan、Alexandre Lacoste、Aaron C.Courville
• 用于程序验证的学习循环不变量 Si Xujie、Dai Hanjun、Mukund Raghothaman、Mayur Naik、Le Song
• 一致F-测度优化最优阈值的快速在线学习 张晓萱、刘明瑞、周迅、杨天宝
• 使用交互式POMDP在多代理环境中学习他人的意图模型 Yanlin Han，Piotr Gmytrasiewicz
• 前馈和递归和积网络的在线结构学习 Agastya Kalra、Abdullah Rashwan、Wei Shou Hsu、Pascal Poupart、Prashant Doshi、Georgios Trimponias
• 平衡的政策评估和学习 内森·卡卢斯
• 鲁棒路径跟踪的视觉记忆 阿什什·库马尔（Ashish Kumar）、索拉巴·古普塔（Saurabh Gupta）、大卫·富希（David Fouhey）、谢尔盖·莱文（Sergey Levine）、吉坦德拉·马利克（Jitendra Malik）
• 组合数据的表示学习 Marta Avalos、Richard Nock、Cheng Soon Ong、Julien Rouar、Ke Sun
• 超参数学习中SGD如何选择全局极小值：动态稳定性视角 雷武、朝马、渭南E
• TADAM：用于改进少快照学习的任务相关自适应度量 鲍里斯·奥雷什金（Boris Oreshkin）、保罗·罗德里格斯·洛佩斯（Pau Rodríguez López）、亚历山大·拉科斯特（Alexandre Lacoste）
• 一种Bayes-Sard立方体方法 托尼·卡沃宁（Toni Karvonen）、克里斯·奥茨（Chris J.Oates）、西蒙·萨卡（Simo Sarkka）
• 学习从手绘图像推断图形程序 Kevin Ellis、Daniel Ritchie、Armando Solar-Lezama、Josh Tenenbaum
• 用于程序综合的神经引导约束逻辑程序设计 Lisa Zhang、Gregory Rosenblatt、Ethan Fetaya、Renjie Liao、William Byrd、Matthew Might、Raquel Urtasun、Richard Zemel
• 用对立正则化克服视觉问答中的语言先验 塞南丹·拉马克里希南（Sainandan Ramakrishnan）、艾什瓦亚·阿格拉瓦尔（Aishwarya Agrawal）、斯特凡·李（Stefan Lee）
• 混合随机梯度下降的新见解：超越置换采样和凸性 潘舟、袁晓桐、冯佳诗
• 流形上加速度的变分偏微分方程及其在微分态中的应用 甘尼什·桑达拉穆斯（Ganesh Sundaramoorthi）、安东尼·耶齐（Anthony Yezzi）
• 将学习从说话人验证转移到多说话人文本语音合成 叶佳、张瑜、罗恩·韦斯、王权、沈乔纳森、任飞、陈志峰、阮志刚、彭若明、伊格纳西奥·洛佩斯·莫雷诺、吴永辉
• 学习求解SMT公式 米斯拉夫·巴卢诺维奇、帕沃尔·比利克、马丁·维切夫
• 学习使用生成性对手网络修复软件漏洞 雅各布·哈勒、奥努尔·奥兹德米尔、托莫·拉佐维奇、克里斯托弗·雷尔、丽贝卡·罗素、路易·金、彼得·钦
• 算法线性约束高斯过程 马库斯·兰格·赫格曼
• RenderNet：用于从3D形状进行差异渲染的深度卷积网络 Thu H.Nguyen-Phuoc、Chuan Li、Stephen Balaban、Yongliang Yang
• 生产经济的普遍增长 Simina Branzei、Ruta Mehta、Noam Nisan
• 神经常微分方程 Ricky T.Q.Chen、Yulia Rubanova、Jesse Bettencourt、David K.Duvenaud
• MetaAnchor：学习使用自定义锚点检测对象 杨彤、张祥宇、李泽明、张文强、孙健
• ChannelNets：通过信道式卷积实现紧凑高效的卷积神经网络 高洪阳、王正阳、纪水旺
• Softmax的可控稀疏替代方案 阿尼尔班·拉哈（Anirban Laha）、萨尼姆·艾哈迈德·切门加特（Saneem Ahmed Chemmengath）、普里扬卡·阿格拉瓦尔（Priyanka Agrawal）、米提什·哈普拉（Mitesh Khapra）、卡西克·桑卡拉纳拉亚南（Karthik Sankaranarayanan
• 高斯过程条件密度估计 文森特·杜托多尔（Vincent Dutordoir）、休·萨林贝尼（Hugh Salimbeni）、詹姆斯·亨斯曼（James Hensman）、马克·德伊森罗斯（Marc Deisenroth）
• 自然图像中多人集成3D传感的深度网络 安德烈·赞菲尔（Andrei Zanfir）、伊丽莎白·马里诺尤（Elisabeta Marinoiu）、米海·赞费尔（Mihai Zanfer）、艾琳·艾努特·波帕（Alin-Ionut Popa）、克里斯蒂安·斯蒙奇塞斯库
• 多Agent协作中的学习注意交流 蒋洁川、陆宗庆
• 视觉和语言导航的扬声器跟随器模型 丹尼尔·弗里德（Daniel Fried）、胡荣杭（Ronghang Hu）、沃尔坎·西里克（Volkan Cirik）、安娜·罗尔巴赫（Anna Rohrbach）、雅各布·安德烈亚斯（Jacob Andreas）、路易斯·菲利佩·莫伦西（Louis-Philippe Morency）、泰勒·伯格-柯克帕特里克（Taylor Berg-Kirk
• 使用混合块浮点训练DNN 马里奥·德鲁蒙德、陶·林、马丁·贾吉、巴巴克·法萨菲
• 基于优化嵌入的耦合变分贝叶斯 Bo Dai、Hanjun Dai、Niao He、Weiyang Liu、Zhen Liu、Jianshu Chen、Lin Xiao、Le Song
• 线性系统中的多域因果结构学习 AmirEmad Ghassami、Negar Kiyavash、Biwei Huang、Kun Zhang
• 基于重要性抽样的策略优化 阿尔贝托·玛丽亚·梅特利（Alberto Maria Metelli）、马泰奥·帕皮尼（Matteo Papini）、弗朗西斯科·法西奥（Francesco Faccio）、马塞洛·雷斯特利（Marcello Restelli）
• 视觉系统的任务驱动卷积递归模型 Aran Nayebi、Daniel Bear、Jonas Kubilius、Kohitij Kar、Surya Ganguli、David Sussillo、James J.DiCarlo和Daniel L.Yamins
• 成对测量的对比学习 Yi Chen、Zhuoran Yang、Yuchen Xie、Zhaoran Wang
• 基数约束下在线投资组合选择的后悔界 伊藤信治、鸠山大辅、住田汉娜、雅贝秋弘、福永高、川村直人、川崎骏
• 线性回归模型中的判别近似搜索 Samuel Yeom、Anupam Datta、Matt Fredrikson
• 深度神经网络模型中的熵和互信息 玛丽卢·加布里（Marylou Gabrié）、安德烈·马诺埃尔（Andre Manoel）、克莱门特·卢诺（Clément Luneau）、让·巴比尔（jean barbier）、尼古拉斯·马克里斯（Nicolas Macris）、弗洛伦特·科扎卡拉（Florent Krzaka
• 复杂网络的解释学：基于因子传递的网络压缩 Jangho Kim，Seonguk Park，Nojun Kwak
• 一种简单的图像识别缓存模型 埃敏·奥尔汉
• 生成记忆的吸引子动力学学习 吴彦（Yan Wu）、格雷戈里·韦恩（Gregory Wayne）、卡罗尔·格雷戈（Karol Gregor）、蒂莫西·利利克拉普（Timothy Lillicrap）
• 基于四次特征的核逼近 玛丽娜·蒙霍耶娃、耶尔梅克·卡普舍夫、叶夫根尼·伯纳耶夫、伊凡·奥斯利代茨
• 通过子模块优化实现非凸等渗回归的有效算法 弗朗西斯·巴赫
• 以插值函数作为输出激活的深度神经网络 王宝、罗西阳、李震、朱伟、石佐强、斯坦利·奥舍
• 你想去哪里从行为中推断动力学信念 Sid Reddy、Anca Dragan、Sergey Levine
• 基于生成多列卷积神经网络的图像Inpainting 王毅、陶鑫、齐晓娟、沈晓勇、贾佳雅
• 集群式赎回——超越克莱伯格公理的不可能性 文森特·科恩·阿达德、瓦伦·卡纳德、弗雷德里克·马尔曼·特伦
• 对称正定矩阵流形上的统计递归模型 Rudrasis Chakraborty、Chun-Hao Yang、Xingjian Zhen、Monami Banerjee、Derek Archer、David Vaillancourt、Vikas Singh、Baba Vemuri
• 基于样本压缩方案的高斯混合学习的近紧样本复杂度界 哈桑·阿什蒂亚尼（Hassan Ashtiani）、谢本·达维德（Shai Ben-David）、尼古拉斯·哈维（Nicholas Harvey）、克里斯托弗·利奥（Christopher Liaw）、阿巴斯·梅赫拉比安（Abbas Mehrabian）、
• 面向对象的动力学预测程序 朱广祥、黄志奥、张崇杰
• ERM和随机逼近的快速率：对误差界条件的自适应 刘明瑞、张晓萱、张丽君、金荣、杨天宝
• 对抗性多源域适配 韩昭、张尚航、吴冠航、何塞·M·F·莫拉、乔奥·P·科斯泰拉、杰弗里·戈登
• 信任或不信任分类器 Heinrich Jiang、Been Kim、Melody Guan、Maya Gupta
• 标记时间点过程的深度强化学习 Utkarsh Upadhyay、Abir De、Manuel Gomez Rodriguez
• 学习与内在激励、自我意识的经纪人玩耍 Nick Haber、Damian Mrowca、Stephanie Wang、Li F.Fei-Fei、Daniel L.Yamins
• 无忧分布式学习：隐私保护经验风险最小化 Bargav Jayaraman、王凌霄、David Evans、顾全泉
• 再生核Hilbert空间中的连续时间值函数逼近 Motoya Ohnishi、Masahiro Yukawa、Mikael Johansson、Masashi Sugiyama
• 用于大规模目标检测的混合知识路由模块 陈汉江、杭旭、梁晓丹、梁林
• 监督无监督学习 维卡斯·加格，亚当·卡莱
• 重叠聚类模型和一类支持向量机将它们全部绑定 毛雪玉、普纳米塔·萨卡尔、迪帕延·查克拉巴蒂
• BRITS：时间序列的双向递归插补 魏曹、王东、李健、郝周、李雷、李一潭
• 通过ML预测改进在线算法 Manish Purohit、Zoya Svitkina、Ravi Kumar
• 变分自动编码器中的学习潜在子空间 杰克·克利斯、杰克·斯内尔、理查德·泽梅尔
• VideoCapsuleNet：一个简化的动作检测网络 Kevin Duarte、Yogesh Rawat、Mubarak Shah
• 基于核偏差测度的因果推断 乔瓦娜·米特罗维奇、迪诺·塞季诺维奇、叶维德
• 顺序关注、推断、重复：运动对象的生成建模 Adam Kosiorek、Hyunjik Kim、Yee Whye Teh、Ingmar Posner
• 使用SGD和随机特征学习 路易吉·卡拉蒂诺、亚历山德罗·鲁迪、洛伦佐·罗萨斯科
• 基于列生成的布尔决策规则 Sanjeeb Dash、Oktay Gunluk、Dennis Wei
• 神经交互透明度（NIT）：分离学习交互以提高可解释性 Michael Tsang、Hanpeng Liu、Sanjay Purushotham、Pavankumar Murali、Yan Liu
• 增强黑箱变分推理 弗朗西斯科·罗泰洛（Francesco Locatello）、吉迪恩·德累斯顿（Gideon Dresdner）、拉吉夫·坎纳（Rajiv Khanna）、伊莎贝尔·瓦莱拉（Isabel Valera）、冈纳·雷茨（Gunnar Raetsch）
• 转移MDP规划的深度反应策略 Aniket（Nick）Bajpai、Sankalp Garg、Mausam
• 变分贝叶斯蒙特卡罗 路易吉·阿塞尔比
• 切线：使用源代码转换进行动态类型数组编程的自动微分 Bart van Merrienboer、Dan Moldovan、Alexander Wiltschko
• 从演示中学习任务规范 马塞尔·巴斯奎斯·香拉特（Marcell Vazquez-Chanlatte）、苏斯米特·贾（Susmit Jha）、阿什什·蒂瓦里（Ashish Tiwari）、马克·何昌杰（Mark K.Ho）、桑吉特·塞希亚（Sanjit Seshia）
• 稀疏线性回归的稀疏PCA Guy Bresler、Sung Min Park、Madalina Persu
• GILBO：一个衡量标准 亚历山大·阿莱米（Alexander A.Alemi）、伊恩·菲舍尔（Ian Fischer）
• 行列式点过程下最大诱导心率 Jennifer A.Gillenwater、Alex Kulesza、Sergei Vassilvitskii、Zelda E.Mariet
• FishNet：图像、区域和像素级预测的通用主干 孙树阳、庞江淼、史建平、帅毅、欧阳万里
• 静态线性策略的简单随机搜索对于强化学习是有竞争力的 Horia Mania、Aurelia Guy、Benjamin Recht
• ML中的自动区分：我们在哪里，我们应该去哪里 Bart van Merrienboer、Olivier Breuleux、Arnaud Bergeron、Pascal Lamblin
• 利用推断的执行轨迹改进神经程序综合 Eui Chul Shin、Illia Polosukhin、Dawn Song
• 可处理变分推理的离散松弛连续变量 特雷福·埃文斯（Trefor Evans），普拉桑·奈尔（Prasanth Nair）
• 选后概括的局限性 乔纳森·乌尔曼、亚当·史密斯、科比·尼西姆、乌里·斯特默、托马斯·斯坦克
• 重温$（\epsilon，\gamma，\tau）$相似性学习以适应领域 索菲安·德胡伊布、列夫根·雷德科
• 通过干预学习和测试因果模型 贾亚德夫·阿查里亚（Jayadev Acharya）、阿纳布·巴塔查里亚、君士坦丁诺斯·达斯卡拉基斯（Constantinos Daskalakis）、萨拉瓦南·坎达萨米（Saravanan Kandasamy）
• 不断演变的政策梯度 Rein Houthooft、Yuhua Chen、Phillip Isola、Bradly Stadie、Filip Wolski、OpenAI Jonathan Ho、Pieter Abbeel
• 解开人类学习过度波动的谜团：贝叶斯持久先验和神经近似 Chaitanya Ryali、Gautam Reddy、Angela J.Yu
• 分布稳健图形模型 Rizal Fathony、Ashkan Rezaei、Mohammad Ali Bashiri、Xinhua Zhang、Brian Ziebart
• Natasha 2：比SGD更快的非凸优化 泽源阿连珠
• 迭代价值软件模型学习 阿米尔·马苏德·法拉曼德
• 高维随机游动的主成分分析与神经网络训练的比较 约瑟夫·安托尼尼（Joseph Antognini）、贾沙·索尔·迪克斯坦（Jascha Sohl-Dickstein）
• Neurally引导贝叶斯程序归纳的子程序学习库 Kevin Ellis、Lucas Morales、Mathias Sablé-Meyer、Armando Solar-Lezama、Josh Tenenbaum
• 具有$\tilde{O}（\sqrt{n}）$Random Features的流式内核PCA Enayat Ullah、Poorya Mianjy、Teodor Vanislavov Marinov、Raman Arora
• 直接来自JPEG的快速神经网络 Lionel Gueguen、Alex Sergeev、Ben Kadlec、Rosanne Liu、Jason Yosinski
• 非局部先验边界检测的贝叶斯模型选择方法 费江、尹国胜、弗朗西丝卡·多米尼克
• 紧密联系的注意力传播对阅读理解的影响 Yi Tay、Anh Tuan Luu、Siu Cheung Hui、Jian Su
• 贝叶斯私有学习的查询复杂性 匡旭
• NAIS-Net：来自非自治微分方程的稳定深度网络 马可·西科内、马可·加利利、乔纳森·马斯奇、克里斯蒂安·奥斯恩多夫、福斯蒂诺·戈麦斯
• 最低均值的序贯检验：从汤普森到墨菲抽样 Emilie Kaufmann、Wouter M.Koolen、Aurélien Garivier
• 使用属性控件生成保留内容的文本 Lajanugen Logeswaran、Honglak Lee、Samy Bengio
• 潜在高斯活动传播：利用平滑度和结构在大噪声环境中分离和定位声音 丹尼尔·约翰逊、丹尼尔·戈雷利克、罗斯·E·马沃特、凯尔·苏弗、顾伟清、史蒂文·邢、科迪·加布里埃尔、彼得·桑哈戈威特
• 离散分布的一致性和紧密性的差异私有测试 Jayadev Acharya、Ziten Sun、Huanyu Zhang
• 具有最优速率的非遍历交替近似增广拉格朗日算法 Quoc Tran Dinh公司
• 具有基数约束的单调子模函数的多目标最大化 拉詹·乌德瓦尼
• 充分理解散列技巧 Casper B.Freksen、Lior Kamma、Kasper Green Larsen
• 鲁棒Markov决策过程的策略条件不确定性集 Andrea Tirinzoni、Marek Petrik、Xiangli Chen、Brian Ziebart
• 视觉强化学习与想象目标 Ashvin V.Nair、Vitchyr Pong、Murtaza Dalal、Shikhar Bahl、Steven Lin、Sergey Levine
• DropBlock：卷积网络的正则化方法 Golnaz Ghiasi、Tung-Yi Lin、Quoc V.Le
• 深线性网络中的精确自然梯度及其在非线性情况下的应用 阿尔贝托·贝纳奇亚（Alberto Bernacchia）、马特·伦吉尔（Mate Lengyel）、纪尧姆·海内金（Guillaume Hennequin）
• RetGK：基于随机游动返回概率的图核 Zhen Zhang、Mianzhi Wang、Yijian Xiang、Yan Huang、Arye Nehorai
• 用ROCK重温多任务学习：一种用于视觉检测的深度剩余辅助块 泰勒·摩丹、尼古拉斯·托姆、吉勒斯·赫纳夫、马蒂厄·科尔德
• 梯度下降满足特征向量计算的移位和反转预处理 徐志强
• 不平等厌恶改善跨期社会困境中的合作 爱德华·休斯、乔尔·泽·雷波、马修·菲利普斯、卡尔·图尔斯、埃德加·杜尼斯·古兹曼、安东尼奥·加西亚·卡斯塔涅达、伊恩·邓宁、蒂娜·朱、凯文·麦基、拉斐尔·科斯特、希瑟·罗夫、托尔·格雷佩尔
• 走向深度对话建议 雷蒙德·李、萨米拉·易卜拉希米·卡胡、汉内斯·舒尔茨、文森特·米查尔斯基、劳伦特·查林、克里斯·帕尔
• 保分布有损压缩的深层生成模型 Michael Tschannen、Eirikur Agustsson、Mario Lucic
• 有这样的朋友，谁需要对手？ 索米亚·杰特利、尼古拉斯·洛德、菲利普·托尔
• 学习使用动态损失函数教学 吴丽君、田菲、夏莹策、杨帆、陶琴、黄来健、刘铁艳
• 多核显式特征映射贪婪逼近的学习界 瓦希德·塔洛赫·沙欣·沙赫拉穆尔
• 具有二次收敛性的分布式多任务强化学习 拉苏尔·图图诺夫（Rasul Tutunov）、金东浩（Dongho Kim）、海瑟姆·布·阿马尔（Haitham Bou Ammar）
• 量化语言转换和领域顺应的全局锚定方法 Zi Yin、Vin Sachidananda、Balaji Prabhakar
• 理解带校正线性单元的加权归一化深度神经网络 徐一喜、小王
• 基于协方差保留对抗增强网络的低截距学习 Hang Gao、郑寿、Alireza Zareian、Hanwang Zhang、Shih-Fu Chang
• 鲁棒图像识别的双层距离度量学习 徐杰、罗磊、程登、黄恒
• 使用灵活的递归神经网络模型对行为和神经成像数据进行综合解释 阿米尔·德兹福利、理查德·莫里斯、法比奥·拉莫斯、彼得·达扬、伯纳德·巴莱因
• 从群体比较中学习：利用高阶交互作用 姚莉、程敏浩、富井、谢福星、谢卓瑞
• 合作整体场景理解：统一3D对象、布局和相机姿势估计 黄思源、齐思源、肖银雪、朱毅新、吴英年、朱松春
• 基于伪发现控制的Bandit序贯实验设计方法 凯文·杰米森（Kevin G.Jamieson）、拉利特·贾恩（Lalit Jain）
• HitNet：混合三元递归神经网络 王培琪、谢新峰、邓磊、李国琦、王东生、谢袁
• SLAYER：及时重新分配峰值层错误 加瑞克果园Sumit Bam Shrestha
• GAN的凸对偶框架 Farzan Farnia、David Tse
• 公平约束下的经验风险最小化 Michele Donini、Luca Oneto、Shai Ben-David、John S.Shawe-Taylor、Massimiliano Pontil
• 用于学习和控制的端到端可微物理 菲利佩·德·阿维拉·贝尔布特·佩雷斯、凯文·史密斯、凯尔西·艾伦、乔什·特南鲍姆、J.齐科·科尔特
• 一种用于多域图像翻译和操作的统一特征解纠缠器 Alexander H.Liu、Yen-Cheng Liu、Yu Ying Yeh、Yu-Chiang Frank Wang
• 与水平无关的Minimax线性回归 阿兰·马利克（Alan Malek）、彼得·L·巴特利特（Peter L.Bartlett）
• 正交匹配追踪的支持恢复：上下界 拉加夫·索马尼（Raghav Somani）、奇拉格·古普塔（Chirag Gupta）、普拉蒂克·贾恩（Pratek Jain）、普拉尼斯·内特拉帕利（Praneeth Netrapalli）
• 平均美及其语境调制：贝叶斯统计解释 Chaitanya Ryali、Angela J.Yu
• 委员会机器：两层神经网络学习中的计算到统计差距 Benjamin Aubin、Antoine Maillard、jean barbier、Florent Krzakala、Nicolas Macris、Lenka Zdeborová
• 任何分类器的对手漏洞 阿尔胡塞因·法齐、哈姆扎·法齐和奥马尔·法齐
• 一种针对非静态Agent的深度贝叶斯策略重用方法 严正、孟兆鹏、郝建业、张宗章、杨天培、范长杰
• 愚弄计算机视觉和时间限制人类的对抗性例子 Gamaleldin Elsayed、Shreya Shankar、Brian Cheung、Nicolas Papernot、Alexey Kurakin、Ian Goodfellow、Jascha Sohl-Dickstein
• 用于动作识别的轨迹卷积 赵岳、熊元军、林大华
• 对随机土匪的对抗性攻击 Kwang-Sung Jun、Lihong Li、Yuzhe Ma、Jerry Zhu
• 强化学习中的进化引导策略梯度 Shauharda Khadka、Kagan Tumer
• 重复博弈中的政策遗憾 Raman Arora、Michael Dinitz、Teodor Vanislavov Marinov、Mehryar Mohri
• 基于矩阵分解的带有噪声和缺失协变量的因果推理 内森·卡卢斯、毛晓杰、马德琳·尤德尔
• 贝叶斯分布随机梯度下降 迈克尔·滕（Michael Teng）、弗兰克·伍德（Frank Wood）
• EM过参数化的优点 季旭、丹尼尔·徐志强、阿里安·马利基
• 如何使用凸松弛判断聚类何时（近似）正确 玛丽娜·梅拉
• 有效摊销推理生成模型的忠实反演 斯特凡·韦伯（Stefan Webb）、亚当·戈林斯基（Adam Golinski）、罗伯·津科夫（Rob Zinkov）、西德哈特·N（Siddharth N）、汤姆·雷诺思（Tom Rainforth）、叶惠德（Yee Whye Teh）、弗兰克·伍德
• TETRIS：瓷砖匹配TRemendous不规则稀疏 于吉、凌亮、雷登、张友阳、张友慧、袁谢
• 谱优化的随机切比雪夫梯度下降法 Inso Han、Haim Avron、Jinwoo Shin
• 基于模型的神经元群体数据定向降维 Mikio Aoi、Jonathan W.Pillow
• 布尔根：具有度量嵌入的生成网络 常晓、钟培林、郑昌熙
• 未知对手存在下的在线稳健策略学习 Aaron Havens、Zhanhong Jiang、Soumik Sarkar
• 用于解释深度神经网络的表示点选择 Chih Kuan Yeh、Joon Kim、Ian En Hsu Yen、Pradeep K.Ravikumar
• 注意步骤：通过图形注意力学习节点嵌入 萨米·阿布·埃尔·海贾（Sami Abu-El-Haija）、布莱恩·佩罗齐（Bryan Perozzi）、拉米·阿勒福（Rami Al-Rfou）、亚历山大·阿莱米（Alexander A.Alemi）
• $\ell_1$-重尾分布回归 张丽君、周志华
• 使用支持向量机学习置信集 王文博、乔星业
• 学习优化Tensor程序 陈田琪、郑连敏、颜子恒、姜子恒、蒂埃里·莫罗、路易斯·塞泽、卡洛斯·盖斯特林、阿文德·克里希纳穆蒂
• Hybrid-MST：一种用于成对偏好聚合的混合主动采样策略 JING LI、Rafal Mantiuk、Junle Wang、Suiyi Ling、Patrick Le Callet
• 分层softmax对极端多标签分类的一种无梯度推广 马雷克·维德穆奇、卡利娜·贾辛斯卡、米哈伊尔·库兹涅佐夫、罗贝特·布萨·费科特、克尔兹托夫·德姆布钦斯基
• 非参数混合模型半监督学习的样本复杂性 陈丹、刘乐奇、布莱恩·阿拉甘姆、普拉迪普·拉维库玛、埃里克·P·星
• 在次线性数据体制下估计可学习性 孔伟浩，格雷戈里·瓦利安特
• 有补偿的多武器匪徒 王思伟、黄龙波
• 图像字幕的神经合成范式 Bo Dai、Sanja Fidler、林大华
• 随机复合镜像下降：高概率的最优界 雷云文、柯唐
• 用于主动视觉识别的几何器皿递归神经网络 Ricson Cheng、Ziyan Wang、Katerina Fraggiadaki
• 奖励从人类偏好和Atari演示中学习 Borja Ibarz、Jan Leike、Tobias Pohlen、Geoffrey Irving、Shane Legg、Dario Amodei
• 矩形边界处理 范旭辉、李斌、斯科特·西森
• 用生成模型构造无限制对手示例 杨松、芮姝、内特·库什曼、斯特凡诺·埃蒙
• 使用隐藏紧凑表示从离散数据中发现因果关系 蔡瑞初、乔杰、张坤、张振杰、郝志峰
• 增强稀疏和低秩张量回归 何丽芳、陈坤、徐婉晚、周嘉余、王菲
• 图卷积网络与导向树搜索的组合优化 李竹文、陈奇峰、弗拉德伦·科尔顿
• 连锁互信息与拉紧推广界限 阿米尔·阿萨迪、埃马纽埃尔·阿贝、塞尔吉奥·威尔杜
• 隐式反馈推荐的动态任务建模 王梦翰、龚明明、郑晓林、张坤
• 缓解ML的影响差异需要治疗差异吗？ Zachary Lipton、Julian McAuley、Alexandra Chouldechova
• 稀疏流形变换 Yubei Chen、Dylan Paiton、Bruno Olshausen
• 概率模型-认知元学习 Chelsea Finn、Kelvin Xu、Sergey Levine
• 具有盒卷积的深度神经网络 维克托·伦皮茨基·埃戈尔·伯克夫
• 学习低置换秩的压缩变换 安娜·托马斯（Anna Thomas）、阿尔伯特·顾（Albert Gu）、特里·道（Tri Dao）、阿特里·鲁德拉（Atri Rudra）、克里斯托弗·雷（Christopher Ré）
• 深度防御：训练对抗性更强的DNN Ziang Yan、Yiwen Guo、Changshui Zhang
• 时间序列的精度和召回 内西姆·塔布勒（Nesime Tatbul）、泰君·李（Tae Jun Lee）、斯坦·兹多尼克（Stan Zdonik）、梅杰巴·阿拉姆（Mejbah Alam）、贾斯汀·戈奇利奇（Justin Gottschlich）
• 邻里共识网络 伊格纳西奥·罗科（Ignacio Rocco）、米尔恰·辛佩（Mircea Cimpoi）、雷尔贾·阿兰杰洛维奇（Relja Arandjelović）、秋池纯一郎（Akihiko Torii）、托马斯·帕伊德拉（Tomas Pajdla
• 对手面前的PAC-学习 Daniel Cullina、Arjun Nitin Bhagoji、Pratek Mittal
• 网络中非光滑分布优化的优化算法 凯文·斯卡曼（Kevin Scaman）、弗朗西斯·巴赫（Francis Bach）、塞巴斯蒂安·布贝克（Sebastien Bubeck）、劳伦特·马苏里（Laurent Massoulié）、尹达利（Yin Tat Lee）
• 概率单纯形的大尺度随机抽样 杰克·贝克、保罗·费恩黑德、艾米莉·福克斯、克里斯托弗·奈梅特
• 用变分方法传递值函数 安德烈亚·蒂林佐尼（Andrea Tirinzoni）、拉斐尔·罗德里格斯·桑切斯（Rafael Rodriguez Sanchez）、马塞洛·雷斯特利（Marcello Restelli）
• 非凸优化的自适应方法 Manzil Zaheer、Sashank Reddi、Devendra Sachan、Satyen Kale、Sanjiv Kumar
• 批次规范化如何帮助优化？ Shibani Santurkar、Dimitris Tsipras、Andrew Ilyas、Aleksander Madry
• 紧致广义非局部网络 岳开宇、孙铭、袁玉晨、周锋、丁二瑞、徐福新
• 精细零镜头学习的堆叠语义引导注意模型 于云龙、钟吉、傅燕伟、郭继昌、彭燕伟、张中飞
• MacNet：将知识从机器理解转移到序列到序列模型 潘伯元、杨亚正、郝丽、周钊、庄跃婷、邓才、何晓飞
• 图形常量和游戏中具有恒定步长的乘法权重更新 Yun Kuen Cheung（Yun Kuen Cheung）
• 具有对数后悔的高效在线投资组合 罗海鹏、陈玉伟、郑凯
• 巴纳克·瓦瑟斯坦（Banach Wasserstein GAN） 乔纳斯·阿德勒（Jonas Adler）、塞巴斯蒂安·伦茨（Sebastian Lunz）
• 样条网：连续神经决策图 Cem Keskin、Shahram Izadi
• 后：具有交叉熵最小化和近似策略优化的设备布局 高元祥、李晨、李宝春
• 隐式重参数化渐变 米哈伊尔·菲格诺夫、夏基尔·穆罕默德、安德烈·姆尼赫
• 视觉对象网络：用非纠缠三维表示生成图像 朱俊彦、张周彤、张成凯、吴家军、安东尼奥·托拉尔巴、乔什·特南鲍姆、比尔·弗里曼
• 神经架构优化 罗仁谦、田飞、秦涛、陈恩红、刘铁燕
• MiME：用于预测性医疗保健的电子健康记录的多级医疗嵌入 Edward Choi、Cao Xiao、Walter Stewart、Jimeng Sun
• 针对非竞标者学习最优储备价格 刘金燕、黄志毅、王向宁
• 生成性对抗性模仿学习的贝叶斯方法 Wonseok Jeon、Seoki Seo、Kee-Eung Kim
• 具有全球奖励的集体多代理RL的学分分配 阮富仲（Duc Thien Nguyen）、阿克沙特·库马尔（Akshat Kumar）、刘洪泉（Hoong Chuin Lau）
• 基于现场本地集成的知识提取 徐兰、朱夏田、龚绍刚
• 深度生成模型的灵活精确推理与学习 Eszter Vértes，Maneesh Sahani
• 校准异常检测的损失框架
• 持久Fisher核：持久图的黎曼流形核 山田真本Tam Le
• 利用贝叶斯网络结构学习构建深度神经网络 Raanan Y.Rohekar、Shami Nisimov、Yaniv Gurwicz、Guy Koren、Gal Novik
• 使用鲁棒的近似重要性采样更快地训练深度模型 泰勒·B·约翰逊（Tyler B.Johnson）、卡洛斯·盖斯林（Carlos Guestrin）
• 通过模拟学习学习波束搜索策略 雷纳托·内格里尼奥（Renato Negrinho）、马修·戈姆利（Matthew Gormley）、杰弗里·戈登（Geoffrey J.Gordon）
• 基于生成对抗网络的多元时间序列插补 罗永红、蔡祥瑞、张颖、徐军、袁晓杰
• 稳健等渗回归的一种有效剪枝算法 林聪汉
• 双线性注意网络 Jin-Hwa Kim、Jaehyun Jun、Byoung-Tak Zhang
• 用于深度强化学习的无监督视频对象分割 Vikash Goel、Jameson Weng、Pascal Poupart
• 通过卷积的解构构造快速网络 全运浩、金俊模
• 使用置信度配置文件改进简单模型 Amit Dhurandhar、Karthikeyan Shanmugam、Ronny Luss、Peder A.Olsen
• CaptionBot和DrawingBot的Turbo学习 黄秋元、张鹏川、吴大鹏、张磊
• 具有理论性能保证的在线互惠推荐 Fabio Vitale、Nikos Parotsidis、Claudio Gentile
• 在连续空间中学习语义相似度 米歇尔·杜顿
• 用于非政策政策评估的表示平衡MDP 姚刘、奥马尔·戈特斯曼、阿尼鲁德·拉胡、马蒂厄·科莫罗夫斯基、阿尔多·A·费萨尔、芬兰特·多西·维莱兹、艾玛·布伦斯基
• 看和想：解开语义场景完成 刘世策、于虎、曾一鸣、汤谦坤、金蓓蓓、韩银河、李晓伟
• L4：用于深度学习的实用有损步长自适应 米查尔·罗利内克（Michal Rolinek）、乔治·马提乌斯（Georg Martius）
• 海马-内鼻系统结构知识的概括 詹姆斯·惠廷顿、蒂莫西·穆勒、谢莉·马克、卡斯韦尔·巴里、蒂姆·贝伦斯
• Pelee：移动设备上的实时目标检测系统 Robert J.Wang、Xiang Li、Charles X.Ling
• 无监督域自适应的协同规则对齐 Abhishek Kumar、Prasanna Sattigeri、Kahini Wadhawan、Leonid Karlinsky、Rogerio Feris、Bill Freeman、Gregory Wornell
• 如何使梯度随机变小：更快的凸和非凸SGD 泽源阿连珠
• 大状态空间马氏链的熵率估计 韩彦军、焦建涛、李传正、蔡西·魏斯曼、吴一红、余天成
• 基于差分隐私的数据相关PAC Bayes先验 Gintare Karolina Dziugaite，丹尼尔·罗伊
• 无监督深度估计、3D人脸旋转和替换 Joel Ruben Antony Moniz、Christopher Beckham、Simon Rajotte、Sina Honari、Chris Pal
• 自动编码变分贝叶斯的信息约束 罗曼·洛佩兹、杰弗里·里吉尔、迈克尔·乔丹、尼尔·约瑟夫
• 论网络社交网络中的错误信息遏制 Amo Tong、Ding Zhu Du、Weili Wu
• Autocong：在没有领域特定语言的情况下识别和利用共轭性 Matthew D.Hoffman、Matthew J.Johnson、Dustin Tran
• 发电网络中的大小-噪声权衡 Bolton Bailey，Matus J.Telgarsky
• 基于Langevin动力学的非凸优化算法的全局收敛性 潘旭、陈景辉、邹迪凡、顾全泉
• 累积约束的在线凸优化 袁建军，安德鲁·兰帕斯基
• 半监督深核学习：通过最小化预测方差对未标记数据进行回归 Neal Jean、Sang Michael Xie、Stefano Ermon
• 视频中大规模皮层种群预测递归模型中的刺激域转移 Fabian Sinz、Alexander S.Ecker、Paul Fahey、Edgar Walker、Erick Cobos、Emmanouil Froudarakis、Dimitri Yatsenko、Zachary Pitkow、Jacob Reimer、Andreas Tolias
• Sigsoftmax：Softmax瓶颈的再分析 金井秀吉、藤原康弘、山中由纪夫、水池雅达奇
• 基于序贯学习的金融资产尾部动态节约型分位数回归 邢燕、张卫忠、马林、刘伟、吴琦
• 未知信息流下的自适应学习 尤纳坦·古尔（Yonatan Gur）、艾哈迈德丽莎·莫梅尼（Ahmadreza Momeni）
• DVAE#：具有松弛Boltzmann先验的离散变分自动编码器 阿拉什·瓦达特（Arash Vahdat）、叶夫根尼·安德利亚什（Evgeny Andriyash）、威廉·麦克雷迪（William Macready）
• 求解车辆路径问题的强化学习 Mohammad Reza Nazari、Afshin Oroojlooy、Lawrence Snyder、Martin Takac
• GumBolt：将Gumbel技巧扩展到Boltzmann之前 Amir H.Khoshaman、Mohammad Amin
• 添加一个神经元可以消除所有不良的局部极小值 梁世玉、孙若愚、李杰森、R.斯里坎特
• 规范事项：深度网络中高效准确的规范化方案 Elad Hoffer、Ron Banner、Itay Golan、Daniel Soudry
• 演变数据的本地差异隐私 马修·约瑟夫（Matthew Joseph）、亚伦·罗斯（Aaron Roth）、乔纳森·厄尔曼（Jonathan Ullman）、博·瓦格纳（Bo Waggoner）
• 基于对话框的交互式图像检索 郭晓晓、吴慧、于成、史蒂文·伦尼、杰拉尔德·特萨罗、罗杰里奥·费利斯
• 拜占庭随机梯度下降 Dan Alistarh、Zeyuan Allen Zhu、Jerry Li
• 基于Wasserstein不确定性集的稳健假设检验 芮高、谢丽燕、谢尧、许欢
• 具有跨域潜在同调的终身无纠缠表示学习 Alessandro Achille、Tom Eccles、Loic Matthey、Chris Burgess、Nicholas Watters、Alexander Lerchner、Irina Higgins
• 使用路径查询实现因果贝叶斯网的计算和统计高效学习 凯文·贝洛，让·霍诺里奥
• 基于鞍点的预测近似贝叶斯计算 杨英祥、博岱、内加尔·基亚瓦什、廖和
• 协同教学：带极噪声标签的深度神经网络的稳健训练 韩波、姚全明、余兴瑞、牛刚、徐苗、胡伟华、曾伊沃、杉山正史
• 最优运输超参数模型梯度下降的全局收敛性 莱纳伊克·奇扎特、弗朗西斯·巴赫
• 光滑半定规划低秩逼近的光滑分析 托马斯·普米尔、萨米·杰拉西、尼古拉斯·博马尔
• 不同隐私的上下文线性匪徒 罗珊·谢里夫（Roshan Shariff，Or Sheffet）
• 学习用三阶张量积进行推理 伊马诺·施拉格（Imanol Schlag）、杰根·施密杜贝尔（Jürgen Schmidhuber）
• 多元化驱动的深度强化学习探索策略 张伟红、谢子云、苏世扬、张义祥、傅翠菊、李春怡
• 论神经元容量 皮埃尔·巴尔迪（Pierre Baldi，Roman Vershynin）
• GroupReduce：神经语言模型收缩的块-线性低秩近似 Patrick Chen、Si Si、Yang Li、Ciprian Chelba、Cho-Jui Xieh
• 基于非线性输出变换的深度结构预测 Colin Graber、Ofer Meshi、Alexander Schwing
• 利用特征重放训练神经网络 霍周元、顾斌、黄恒
• Top-k列表的Mallows模型 弗拉维奥·切里切蒂（Flavio Chierichetti）、阿尼本·达斯古普塔（Anirban Dasgupta）、沙赫扎德·哈达丹（Shahrzad Haddadan）、拉维·库马尔（Ravi Kumar）、西尔维奥·拉坦齐（Silvio Lattanzi）
• 基于信息的自适应激励选择优化脑机接口通信效率 博伊拉·梅因萨（Boyla Mainsah）、德米特里·卡利卡（Dmitry Kalika）、莱斯利·柯林斯（Leslie Collins）、刘思源（Siyuan Liu）、钱德拉·斯特罗克莫顿（Chandra Throckmorton）
• 具有$\beta$-发散的非静态流数据的双稳健贝叶斯推断 Jeremias Knoblauch、Jack E.Jewson、Theodoros Damoulas
• Clebsch–Gordan网络：一个全傅立叶空间球形卷积神经网络 Risi Kondor、Zhen Lin、Shubhendu Trivedi
• 可视化神经网络的损失情况 郝丽、郑旭、加文·泰勒、克里斯托夫·斯图德、汤姆·戈尔茨坦
• 指数较少迭代中的非单调子模最大化 Eric Balkanski、Adam Breuer、Yaron Singer
• 基于观测数据的表征学习治疗效果评估 姚六一、李晟、李亚良、怀梦迪、高静、张爱东
• 记忆重放GANs：学习在不忘记的情况下生成新类别 吴晨深、路易斯·赫兰兹、刘夏蕾、王亚兴、乔斯特·范德魏杰尔、博格丹·拉杜卡努
• 万岁-Gibbs可以是PanAccurate Constantinos Daskalakis、Nishanth Dikkala、Siddhartha Jayanti
• 深度曝光：通过异步强化的对抗性学习来学习曝光照片 于润生、刘文玉、张亚森、屈智谋、赵德利、张波
• 数据放大：一种统一且具有竞争力的财产评估方法 Yi Hao、Alon Orlitsky、Ananda Theertha Suresh、Yihong Wu
• 典型相关神经网络中表征相似性的研究 Ari Morcos、Maithra Raghu、Samy Bengio
• 高效的非混合批主动搜索 Shali Jiang、Gustavo Malkomes、Matthew Abbott、Benjamin Moseley、Roman Garnett
• 在专家指导下学习安全政策 Jessie Huang、Fa Wu、Doina Precup、Yang Cai
• 基于最优稀疏提升的快速相似性搜索 李文业、毛景伟、张茵、崔曙光
• 差分私有鲁棒低秩近似 Raman Arora、Vladimir勇敢者、Jalaj Upadhyay
• 证据深度学习量化分类不确定性 穆拉特·森索伊、兰斯·卡普兰、梅利赫·坎德米尔
• 战略内容提供商推荐系统的博弈论方法 Omer Ben-Porat，Moshe Tennenholtz
• 卷积神经网络的频域动态剪枝 刘振华、徐继正、彭秀莲、熊瑞琴
• 自适应路径积分自动编码器：动态系统的表示学习和规划 Jung-Su Ha、Young-Jin Park、Hyeok-Joo Chae、Soon Seo Park、Han-Lim Choi
• 通过傅里叶变换测试分布族 Clément L.Canonne、Ilias Diakonikolas、Alistair Stewart
• 有界广义形式游戏抽象的统一框架 托马斯·桑德霍姆（Tuomas Sandholm）克里斯蒂安·克罗尔（Christian Kroer）
• 模式不可知论的私人学习 Raef Bassily、Om Thakkar、Abhradep Guha Thakurta
• 利用反向学习的神经轮廓生成文本 Sandeep Subramanian、Sai Rajeswar Mudunba、Alessandro Sordoni、Adam Trischler、Aaron C.Courville、Chris Pal
• FastGRNN：一种快速、准确、稳定且千兆字节大小的门控递归神经网络 Aditya Kusupati、Manish Singh、Kush Bhatia、Ashish Kumar、Pratek Jain、Manik Varma
• 具有微小簇的二分随机块模型 斯特凡·诺依曼
• 条件对抗域适应 龙明生、曹章杰、王建民、迈克尔·I·乔丹
• 方差减少的随机期望最大化 陈建飞、朱军、叶惠德、张彤
• 贝叶斯非参数谱估计 费利佩·托巴尔
• 检测分发外样本和对手攻击的简单统一框架 Kimin Lee、Kibok Lee、Honglak Lee和Jinwoo Shin
• 打破跨度假设可实现快速有限和最小化 Robert Hannah、Yanli Liu、Daniel O'Connor、Wotao Yin
• 不断增长的数据库的差异隐私 雷切尔·卡明斯（Rachel Cummings）、萨拉·克雷比埃尔（Sara Krehbiel）、凯文·莱伊（Kevin A.Lai）、乌柴蓬·坦提蓬皮帕（Uthaipon Tantipongpipat）
• 有限数据和领域知识的学习管道：解析物理问题的研究 Mrinmaya Sachan、Kumar Avinava Dubey、Tom M.Mitchell、Dan Roth、Eric P.Xing
• 高斯混合模型下EM的理论保证 Raaz Dwivedi，nhật Hồ，Koulik Khamaru，Martin J.Wainwright，Michael I.Jordan
• 近似Oracle的在线不当学习 Elad Hazan、Wei Hu、Yuanzhi Li、Zhiyuan Li
• 使用可信数据在严重噪声破坏的标签上训练深层网络 Dan Hendrycks、Mantas Mazeika、Duncan Wilson、Kevin Gimpel
• 通过分层神经元共享实现多任务压缩 何晓熙、周子木、洛塔·蒂勒
• 实用深立体声（PDS）：面向应用友好的深立体声匹配 斯蒂芬·图利亚科夫、安东·伊万诺夫、弗朗索瓦·弗莱特
• 掩蔽：噪音监管的新视角 韩波（Bo Han）、姚江超（Jiangchao Yao）、牛刚（Gang Niu）、周明远（Mingyuan Zhou）、曾荫权（Ivor Tsang）、张亚佳（Ya Zhang）、杉山正树（Masashi Sugiyama）
• 学习多任务 于章、英伟、强阳
• 令人担忧的对手示例：一种$L_0$稳健稀疏傅里叶变换 Mitali Bafna、Jack Murtagh、Nikhil Vyas
• 常回归、广义可混合性和镜像下降 扎卡里娅·穆罕默德（Zakaria Mhammedi）、罗伯特·威廉姆森（Robert C.Williamson）
• 双重主成分追踪：改进的分析和高效算法 朱志慧、王一凡、丹尼尔·罗宾逊、丹尼尔·奈曼、雷内·维达尔、马诺利斯·察基里斯
• 蛋白质结构的生成模型 Namrata Anand，波苏·黄
• 找到图形数据和种植的顶点覆盖 Austin R.Benson、Jon Kleinberg
• 基于Wold过程的因果关系快速估计 弗拉维奥·菲格雷多（Flavio Figueiredo）、吉尔赫梅·雷森德·博尔赫斯（Guilherme Resende Borges）、佩德罗·O.S.瓦兹·德梅洛（Pedro O.S.Vaz de Melo）、雷纳托·阿桑桑
• 使用正则化Christoffel函数关联杠杆得分和密度 Edouard Pauwels、Francis Bach、Jean-Philippe Vert
• 在线自适应方法、普遍性和加速性 Kfir Y.Levy、Alp Yurtsever、Volkan Cevher
• 非可微模型的重参数化梯度 Wonyeol Lee、Hangyeol Yu、Hongseok Yang
• 通过新奇代理群体改进对深度强化学习进化策略的探索 Edoardo Conti、Vashisht Madhavan、Felipe Petroski Soke、Joel Lehman、Kenneth Stanley、Jeff Clune
• 布朗函数的乐观优化 Jean-Bastien Grill、Michal Valko、Remi Munos
• 基于贝叶斯网络的广义树概率估计 张成，弗雷德里克·马特森四世
• 高斯过程时间序列建模的安全主动学习 Christoph Zimmer、Mona Meister、Duy Nguyen-Tuong
• 使用$（d+1）$部分图计算$d$维直方图上的Kantorovich-Wasserstein距离 Gennaro Auricchio、Federico Bassetti、Stefano Gualandi、Marco Veneroni
• 知识图中链接预测的简单嵌入 塞耶德·梅赫兰·卡泽米（Seyed Mehran Kazemi）、大卫·普尔（David Poole）
• 无边界私人预测市场 拉斐尔·弗伦吉洛（Rafael Frongillo）、博·瓦格格纳（Bo Waggoner）
• 低阶张量分解的统计力学 乔纳森·卡德蒙（Jonathan Kadmon），苏里亚·甘古利（Surya Ganguli）
• 非凸非光滑优化无伪解理论 Cedric Josz、Yi Ouyang、Richard Zhang、Javad Lavaei、Somayeh Sojoudi
• 标签排序的结构化预测方法 安娜·科尔巴（Anna Korba）、亚历山大·加西亚（Alexandre Garcia）、佛罗伦萨·德阿尔奇-布（Florence d’Alché-Buc）
• 几何耦合蒙特卡罗采样 Mark Rowland、Krzysztof M.Choromanski、François Chalus、Aldo Pacchiano、Tamas Sarlos、Richard E.Turner、Adrian Weller
• 梯度的徘徊：如何随着时间的推移重用梯度 泽源·阿连·朱、大卫·辛奇·列维、王新尚
• 基于梯度递增的子模最大化：深子模函数的情形 Wenruo Bai、William Stafford Noble、Jeff A.Bilmes
• 带内存的备用SGD 塞巴斯蒂安·U·斯蒂奇（Sebastian U.Stich）、珍妮·巴普蒂斯特·科多尼耶（Jean-Baptiste Cordonnier）、马丁·贾吉（Martin Jaggi）
• KL性质下非凸优化三次正则化的收敛性 周毅、王哲、梁英斌
• 模型不可知监督局部解释 Gregory Plumb、Denali Molitor、Amee S.Talwalkar
• 多模态表征中的心理抽样 朱建桥、亚当·桑伯恩、尼克·查特
• 随机目标函数贝叶斯模型的非参数学习 Simon Lyddon、Stephen Walker、Chris C.Holmes
• 论词语嵌入的维度 紫音、沈元元
• 使用最优传输大规模计算持久性图的均值和聚类 西奥·拉科姆、马可·库图里、史蒂夫·奥多特
• 用于机器自动学习的概率矩阵分解 尼科洛·福西（Nicolo Fusi）、里希特·谢斯（Rishit Sheth）、梅利赫·埃利博尔（Melih Elibol）
• 换料：探索快速疾病诊断中深度强化学习的稀疏特征 余绍鹏、汤开复、林宣天、张爱德华
• 基于不完全数据的连续时间贝叶斯网络结构学习的聚类变分逼近 Dominik Linzner，Heinz Koeppl公司
• 最大内积搜索的规范范围LSH 肖燕、李金凤、戴心燕、陈洪志、程宇俊
• 利用椭圆分布的Wasserstein空间推广点嵌入 鲍里斯·穆泽莱克（Boris Muzellec）、马克·库图里（Marco Cuturi）
• 基于Dirichlet的高斯过程在大尺度校正分类中的应用 迪米特里奥斯·米利奥斯（Dimitrios Milios）、拉斐洛·卡莫里亚诺（Raffaello Camoriano）、彼得罗·米奇亚迪（Pietro Michiardi）、洛伦佐·罗萨斯科（Lorenzo Rosasco）、毛里齐奥·菲利波内
• 潜在对齐和变化注意 邓云田（Yuntian Deng）、金妍儿（Yoon Kim）、邱斯汀（Justin Chiu）、郭美美（Demi Guo）、亚历山大·拉什（Alexander Rush）
• 半监督学习中基于边际损失的悲观极限和可能性 Jesse Krijthe、Marco Loog
• 猪神经网络：近似神经网络景观 Soheil Feizi、Hamid Javadi、Jesse Zhang、David Tse
• 论反向传播中的局部Hessian 张慧帅、陈伟、刘铁燕
• 无限域高斯过程 阿诺·索林、詹姆斯·亨斯曼、理查德·特纳
• 用于分子设计的约束图变分自动编码器 齐刘、米尔蒂亚迪斯·阿拉马尼斯、马克·布罗克施米特、亚历山大·冈特
• 多机器人转移学习的硬件条件策略 Tao Chen、Adithyavairavan Murali、Abhinav Gupta
• 无阶段学习：正则化PhaseMax实现最佳样本复杂性 Fariborz Salehi、Ehsan Abbasi、Babak Hassibi
• 学习非纠缠联合连续和离散表示 埃米利安·杜邦
• 攻击符合可解释性：对手样本的属性导向检测 陶冠宏、马仕卿、刘英琪、张湘玉
• 学会绕开普通方法 Giulia Denevi、Carlo Ciliberto、Dimitris Stamos、Massimiliano Pontil
• 递归关系网络 拉斯谟棕榈、乌尔里希·帕奎特、奥利·温特
• 因果图代价软件学习的实验设计 埃里克·林德格伦（Erik Lindgren）、穆拉特·科卡格鲁（Murat Kocaoglu）、亚历山大·迪马基斯（Alexandros G.Dimakis）、斯里拉姆·维什瓦纳（Sriram Vishwanath）
• 多专家强化学习：一种贝叶斯模型组合方法 Michael Gimelfarb、Scott Sanner、Chi-Guhn Lee
• 用于端到端规划和控制的不同MPC Brandon Amos、Ivan Jimenez、Jacob Sacks、Byron Boots、J.Zico Kolter
• 非凸优化的零阶随机方差约简 刘思嘉（Sijia Liu）、凯尔库拉（Bhavya Kailkhura）、陈品玉（Pin-Yu Chen）、丁佩顺（Paisun Ting）、张世玉（Shiyu Chang）、丽莎·阿米尼（Lisa Amini）
• 用生成模型求解马尔可夫决策过程的近最优时间和样本复杂度 Aaron Sidford、Mengdi Wang、Xian Wu、Lin Yang、Yinyu Ye
• 一般高斯潜伏树模型的代数检验 Dennis Leung，Mathias Drton公司
• 基于正置信数据的二进制分类 石田隆志、牛刚、杉山正树
• 使用神经AutoML进行转移学习 Catherine Wong、Neil Houlsby、Yifeng Lu、Andrea Gesmundo
• DNN的损耗面、模式连通性和快速集成 Timur Garipov、Pavel Izmailov、Dmitrii Podoprikhin、Dmitry P.Vetrov、Andrew G.Wilson
• 无知背后的公平：自动化决策的福利分析 Hoda Heidari、Claudio Ferrari、Krishna Gummadi、Andreas Krause
• 分段线性神经网络验证的统一视图 Rudy R.Bunel、Ilker Turkaslan、Philip Torr、Pushmeet Kohli、Pawan K.Mudigonda
• 提升式加重迷你铲斗 尼古拉斯·加洛（Nicholas Gallo），亚历山大·伊勒（Alexander T.Ihler）
• 在训练深度网络时，我们能从正交正则化中获得更多吗？ Nitin Bansal、Xiaohan Chen、Zhangyang Wang
• 理解适应性在机器教学中的作用：以版本空间学习者为例 Yuxin Chen、Adish Singla、Oisin Mac Aodha、Pietro Perona、Yisong Yue
• 不规则间隔数据的小波回归和加法模型 Asad Haris、Ali Shojaie、Noah Simon
• 整体物体注意的自擦除网络 侯启斌、蒋鹏涛、魏云超、程明明
• 无地面真实数据的深度学习去噪器训练 Shakarim Soltanayev，Se Young Chun
• 结构性因果强盗：何处干预？ Sanghack Lee、Elias Bareinboim
• 标量后验采样及其应用 乔治奥·提奥查罗斯、郑文、亚辛·阿巴斯·亚德科里、尼科斯·弗拉西斯
• 零和多层扩展形式博弈中的事前协调与共谋 Gabriele Farina、Andrea Celli、Nicola Gatti、Tuomas Sandholm
• 量子态的在线学习 Scott Aaronson、Xinyi Chen、Elad Hazan、Satyen Kale、Ashwin Nayak
• 深度半监督学习算法的真实性评价 Avital Oliver、Augustus Odena、Colin A.Raffel、Ekin Dogus Cubuk、Ian Goodfellow
• 尖峰神经元网络中的长短期记忆和学习-学习 纪尧姆·贝莱克（Guillaume Bellec）、达尔扬·萨拉吉（Darjan Salaj）、阿南德·萨布拉莫尼（Anand Subramoney）、罗伯特·莱根斯坦（Robert Legenstein）、沃尔夫冈·马斯（Wolfgang Maass）
• 用关联关系重新审视可分解子模函数最小化 潘丽（Oligia Milenkovic）
• DifNet：基于扩散网络的语义分割 彭江、顾方林、王云海、屠昌河、陈宝全
• 开箱即用：图形卷积网推理用于实际可视问题的回答 Medhini Narasimhan、Svetlana Lazebnik、Alexander Schwing
• 分布式多层盗贼——一种权力博弈方法 伊莱·比斯特里茨（Ilai Bistritz）、埃米尔·莱斯姆（Amir Leshem）
• 带导数的标度高斯过程回归 David Eriksson、Kun Dong、Eric Lee、David Bindel、Andrew G.Wilson
• 通过交互学习进行深度关注跟踪 施普、宋一兵、马超、张洪刚、杨明轩
• 通过自我监督的视觉体验，以稳健的表现形式换取样本复杂性 安德烈亚·塔切蒂（Andrea Tacchetti）、斯蒂芬·沃伊尼亚（Stephen Voinea）、乔治奥斯·埃文格洛波洛斯（Georgios Evangelopoulos）
• 球面上多通道稀疏盲反褶积的全局几何 李彦军，约拉姆·布雷斯勒
• 有限属性观测下随机稀疏线性回归的样本有效随机梯度迭代硬阈值方法 村田富也，铃木太极
• 深度自回归模型的分块并行译码 Mitchell Stern、Noam Shazeer、Jakob Uszkoreit
• 距离矩阵的次线性时间低秩逼近 艾内什·巴克西（Ainesh Bakshi）、大卫·伍德拉夫（David Woodruff）
• 基于自监督同步的音视频模型协作学习 Bruno Korbar、Du Tran、Lorenzo Torresani
• 子模块字段语法：表示、推理和在图像分析中的应用 阿布拉姆·弗里森（Abram L.Friesen）、佩德罗·多明戈斯（Pedro M.Domingos）
• FD-GAN：用于鲁棒人重新识别的姿态引导特征提取GAN 葛艺晓、李卓文、赵海宇、尹国军、易帅、王晓刚、李洪生
• 一般概率空间中多元信息测度的估计 Arman Rahimzamani、Himanshu Asnani、Pramod Viswanath、Sreeram Kannan
• 图形生成对抗网络 李崇轩、马克斯·威林、朱军、张波
• 深均匀混合模型：表示、分离和近似 Priyank Jaini、Pascal Poupart、Yu Yaoliang
• 基于缺失的解释：走向带有相关否定词的对比解释 Amit Dhurandhar、Pin-Yu Chen、Ronny Luss、Chun-Chen Tu、Paisun Ting、Karthikeyan Shanmugam、Payel Das
• 社区探索：从离线优化到在线学习 陈晓伟、黄伟然、陈玮、路易斯
• 对象实例的上下文合成和放置 李东勋（Donghoon Lee）、刘思飞（Sifei Liu）、顾金伟（Jinwei Gu）、刘明宇（Ming Yu Liu），杨明慧（Ming Hsuan Yang）、扬·考茨（Jan Kautz）
• 超越对数一致性：使用模拟回火Langevin Monte Carlo进行多模分布抽样的可证明保证 霍尔登·李、安德烈·里斯特斯基、荣格
• M-Walk：学习使用蒙特卡罗树搜索遍历图 沈业龙、陈建树、黄伯森、郭玉清、高剑锋
• 基于领域特定变分信息界的无监督图像到图像转换 哈迪·卡泽米（Hadi Kazemi）、索布汉·索莱马尼（Sobhan Soleymani）、法里博兹·塔赫卡尼（Fariborz Taherkhani）和塞耶德·伊兰曼内什（Seyed Iranmanesh）、纳赛尔·纳斯拉巴迪
• 群等变胶囊网络 简·埃里克·伦森（Jan Eric Lenssen）、马蒂亚斯·费伊（Matthias Fey）、帕斯卡·利布舒斯基（Pascal Libuschewski）
• 通过基于计算的意识实现公平 Michael Kim、Omer Reingold、Guy Rothblum
• 基于几何的数据生成 Ofir Lindenbaum、Jay Stanley、Guy Wolf、Smita Krishnaswamy
• 寻找高效的多尺度结构进行密集图像预测 Liang-Chieh Chen、Maxwell Collins、Yukun Zhu、George Papandreou、Barret Zoph、Florian Schroff、Hartwig Adam、Jon Shlens
• 对抗性场景编辑：从弱监督中自动移除对象 Rakshith R.Shetty、Mario Fritz、Bernt Schiele
• 带事件的变分逆控制：数据驱动报酬定义的一般框架 贾斯汀·傅（Justin Fu）、阿维·辛格（Avi Singh）、迪比亚·戈什（Dibya Ghosh）、拉里·杨（Larry Yang）、谢尔盖·莱文（Sergey Levine）
• MULAN：一种用于多通道回波检索的盲非网格方法 海伦娜·佩伊克·图库利雅克、安托万·德勒福格、雷米·格里波瓦尔
• 可解释性和正则化的递减返回形状约束 Maya Gupta、Dara Bahri、Andrew Cotter、Kevin Canini
• 通过自适应参数化打破激活功能瓶颈 Sebastian Flennerhag、Hujun Yin、John Keane、Mark Elliot
• 大规模组合推理的素描方法 孙伟、陆俊伟、刘韩
• 符号图推理遇到卷积 梁晓丹、胡志婷、张浩、林亮、邢埃里克
• Topkapi：查找Top-K频繁元素的平行快速草图 Ankush Mandal、He Jiang、Anshumali Shrivastava、Vivek Sarkar
• 公平PCA的价格：一个额外维度 萨米拉·萨马迪（Samira Samadi）、乌柴蓬·坦提蓬皮帕（Uthaipon Tantipongpipat）、杰米·莫根斯坦（Jamie H.Morgenstern）、莫希特·辛格（Mohit Singh）、桑托什·万帕拉（Santosh Vempala）
• 正交解耦变分高斯过程 休·萨林贝尼（Hugh Salimbeni）、郑经安（Ching-An Cheng）、拜伦·布茨（Byron Boots）、马克·德伊森罗特（Marc Deisenroth）
• 算法保证：一种使用贝叶斯优化进行算法测试的主动方法 Shivapratap Gopakumar、Sunil Gupta、Santu Rana、Vu Nguyen、Svetha Venkatesh
• 用于零镜头识别的区域非变投影学习 赵安、丁明宇、关洁超、卢志武、陶香、纪荣文
• 基于格基约简的高维线性回归 伊利亚斯·扎迪克（Ilias Zadik）、大卫·加马尼克（David Gamarnik）
• 一种用于预测结构化输出的检索和编辑框架 Tatsunori B.Hashimoto、Kelvin Guu、Yonatan Oren、Percy S.Liang
• 学习过程中时变行为的有效推理 尼古拉斯·罗伊（Nicholas A.Roy）、纪贤白（Ji Hyun Bak）、雅典娜·阿克拉米（Athena Akrami）、卡洛斯·布罗迪（Carlos Brody）、乔纳森·皮洛（Jonathan W.Pillow）
• 重新评估评估 David Balduzzi、Karl Tuyls、Julien Perolat、Thore Graepel
• 学习摘要选项 Matthew Riemer、Miao Liu、Gerald Tesauro
• 连续非单调子模块和DR-子模块最大化的优化算法 Rad Niazadeh、Tim Roughgarden、Joshua Wang
• 用于删除重复的顺序上下文编码 陆琦、刘淑、史建平、贾佳雅
• PG-TS：逻辑上下文带的改进Thompson抽样 Bianca Dumitrascu、Karen Feng、Barbara Engelhardt
• 流数据的方差缩减随机梯度下降 Ellango Jothimurugesan、Ashraf Tahmasbi、Phillip Gibbons、Srikanta Tirthapura
• 强化持续学习 朱旭、朱占星
• GradiVeQ:分布式CNN训练中用于带宽有效梯度聚集的矢量量化 俞明超、林志峰、Krishna Narra、Songze Li、Youjie Li、Nam Sung Kim、Alexander Schwing、Murali Annavaram、Salman Avestimehr
• 未折叠ISTA的理论线性收敛性及其实际权重和阈值 陈晓翰、刘佳林、王章阳、尹沃涛
• 近似子模的优化 亚伦·辛格（Avinatan Hassidim）
• 具有通用激活函数的高效神经网络鲁棒性证明 张欢、徐伟翁、陈品玉、赵瑞谢、Luca Daniel
• 生物序列的神经编辑操作 Satoshi Koide、Keisuke Kawano、Takuro Kutsuna
• 自适应深度嵌入：k-Shot归纳迁移学习方法的综合 Tyler Scott、Karl Ridgeway、Michael C.Mozer
• 抽样在元强化学习中的重要性 布拉德利·斯塔迪（Bradly Stadie）、葛扬（Ge Yang）、雷恩·霍索夫（Rein Houthooft）、彼得·陈（Peter Chen）、严端（Yan Duan）、吴雨怀（Yuhuai Wu）、彼得·阿比尔（Pieter Abbeel）、伊利亚·萨茨克弗
• KONG：有序邻域图的核 Moez Draief、Konstantin Kutzkov、Kevin Scaman、Milan Vojnovic
• 辉光：具有可逆1x1卷积的生成流 Durk P.Kingma，Prafulla Dhariwal
• 完美系统发育模型的有效投影 Bei Jia、Surjyendu Ray、Sam Safavi、JoséBento
• 少做多做：利用子采样实现流媒体子模块最大化 莫兰·费尔德曼（Moran Feldman）、阿明·卡巴西（Amin Karbasi）、埃桑·卡泽米（Ehsan Kazemi）
• 种群尖峰序列中的时间对齐和潜在高斯过程因子推断 Maneesh Sahani的Lea Duncker
• 基于随机非凸优化的平稳时间序列降维 陈敏硕、杨林、王梦迪、赵拓
• 非局部神经网络、非局部扩散和非局部建模 陶云哲、孙琦、杜强、刘伟
• 部分监督的图像字幕 彼得·安德森、斯蒂芬·古尔德、马克·约翰逊
• SLANG：自然梯度贝叶斯深度学习的快速结构协方差逼近 Aaron Mishkin、Frederik Kunstner、Didrik Nielsen、Mark Schmidt、Mohammad Emtiyaz Khan
• 关于学习马尔可夫链 Yi Hao、Alon Orlitsky、Venkatadheeraj Pichapati
• Q-Learning有效吗？ Chi Jin、Zeyuan Allen Zhu、Sebastien Bubeck、Michael I.Jordan
• 基于偏好的学习目标适应 姚晓丁、周志华
• 通过最小化PAC-Bayesian广义界学习高斯过程 David Reeb、Andreas Doerr、Sebastian Gerwinn、Barbara Rakitsch
• 利用边际似然学习不变量 Mark van der Wilk、Matthias Bauer、ST John、James Hensman
• NEON2：通过一阶Oracle查找局部极小值 泽源·阿连·朱、李元志
• 用于深度强化学习的基因网络 张思勇、杨约翰、蔡载硕、Kwak Nojun
• 深度神经网络的Lipschitz正则性：分析和有效估计 凯文·斯卡曼（Kevin Scaman），阿拉丁·维莫克斯（Aladin Virmaux）
• 加速随机矩阵反演：一般理论和加速BFGS规则以实现更快的二阶优化 Robert Gower、Filip Hanzely、Peter Richtarik、Sebastian U.Stich
• 基于凸规划的盲解卷积相位恢复 Ali Ahmed、Alireza Aghasi、Paul Hand
• 面向目标分子图生成的图卷积策略网络 尤嘉轩、刘伯文、应志涛、潘德、莱斯科维奇
• 一般线性动力系统的谱滤波 Elad Hazan、Holden Lee、Karan Singh、Cyril Zhang、Yi Zhang
• 对话-行动：大型知识库中的对话式问题解答 郭大亚、唐杜玉、南段、周明、建印
• 文本自适应生成对手网络：用自然语言操纵图像 Seonghyeon Nam、Yunji Kim、Seon Joo Kim
• 结构化强化学习的探索 Jungseul Ok、Alexandre Proutiere、Damianos Tranos
• 用于程序翻译的树对树神经网络 陈新云、刘畅、宋曙光
• 虚拟课堂增强的鉴别嵌入学习 陈炳辉、邓伟宏、沈海峰
• 训练神经网络求解微分方程学习一般表示法 马丁·马吉尔、费萨尔·库雷希、亨德里克·德哈恩
• 具有可学习知识约束的深层生成模型 胡志婷、杨子超、罗斯·萨拉库丁诺夫、秦连晖、梁晓丹、董浩业、埃里克·邢
• 如何开始培训：初始化和体系结构的效果 鲍里斯·哈宁（Boris Hanin）、大卫·罗尔尼克（David Rolnick）
• 视频到视频合成 王廷春、刘明宇、朱俊彦、刘桂林、陶德鲁、扬·考茨、布莱恩·卡坦扎罗
• 动态多项式Logit分类选择模型的近最优策略 王以宁、席晨、袁周
• 奥卡姆的剃刀不足以推断非理性代理人的偏好 斯图尔特·阿姆斯特朗，Sören Mindermann
• 内隐反馈的Bandit学习 易琪、吴青云、王洪宁、唐杰、孙茂松
• 反问题中的反正则化子 塞巴斯蒂安·伦茨（Sebastian Lunz）、奥扎恩·克特姆（OzanØktem）、卡罗拉·比比安·施恩利布（Carola-Bibiane Schönlieb）
• 通过对自然电影进行有效编码而出现多种视网膜细胞类型 Samuel Ocko、Jack Lindsey、Surya Ganguli、Stephane Deny
• 资源受限设备上高效序列数据分类的多实例学习 Don Dennis、Chirag Pabbaraju、Harsha Vardhan Simhadri、Pratek Jain
• 快速对称非负矩阵分解的下降对称性 朱志辉、小李、刘凯、李秋伟
• 经验风险的局部极小值 Chi Jin、Lydia T.Liu、Rong Ge、Michael I.Jordan
• GIANT：分布式优化的全局改进近似牛顿法 王树森、弗雷德·鲁斯塔、徐鹏、迈克尔·马奥尼
• 快速非凸优化的随机三次正则化 尼莱斯·特里普兰尼、米切尔·斯特恩、奇金、杰弗里·里吉尔、迈克尔·乔丹
• 随机设计中的导数估计 Yu Liu、Kris De Brabanter（克里斯·德·布拉班特）
• 具有随机Kronecker因子的近似实时递归学习 Asier Mujika、Florian Meier、Angelika Steger
• 双曲神经网络 屋大维·加内亚、加里·贝基内尔、托马斯·霍夫曼
• 随机块模型的平均场：优化景观和收敛问题 Soumendu Sundar Mukherjee、Purnamrita Sarkar、Y.X.Rachel Wang、Bowei Yan
• 行列式点过程快速贪婪MAP推理提高推荐多样性 陈拉明、张国欣、周埃里克
• 聚集激励：在卷积神经网络中利用特征上下文 胡杰、李深、塞缪尔·奥尔巴尼、孙刚、安德烈亚·维达尔迪
• 基于纯随机树的非参数回归主动学习 Jack Goetz、Ambuj Tewari、Paul Zimmerman
• DeepProbLog：神经概率逻辑编程 Robin Manhaeve、Sebastijan Dumancic、Angelika Kimmig、Thomas Demester、Luc De Raedt
• 用于跨域解纠缠的图像到图像转换 阿贝尔·冈萨雷斯-加西亚、乔斯特·范德韦耶、约舒亚·本吉奥
• 扩展全息嵌入以完成知识 薛业祥、杨元、徐志天、阿什什·萨巴沃尔
• 打破地平线的诅咒：无限水平非政策估计 刘强、李丽红、唐紫阳、周登勇
• TopRank:一种实用的在线随机排名算法 托拉蒂莫尔、布拉尼斯拉夫·克韦顿、帅丽、塞佩斯瓦里
• rho-POMDP具有Lipschitz-连续ε-最优值函数 马修·费尔（Mathieu Fehr）、奥利维尔·巴菲特（Olivier Buffet）、文森特·托马斯（Vincent Thomas）、吉列斯·迪班戈（Jilles Dibangoye）
• 神经网络距离的极大极小估计 Ji Kaiyi、Liang Yingbin
• 利用控制变量的大集合进行变分推理 托马斯·杰夫纳（Tomas Geffner）、贾斯汀·多姆克（Justin Domke）
• 深生成马尔可夫状态模型 郝武、安德烈亚斯·马特、卢卡·帕斯夸利、弗兰克·诺伊
• 强化学习中基于面向对象表示的零镜头转移 Ofir Marom，Benjamin Rosman（本杰明·罗斯曼）
• 图形二样本测试的实用方法 德巴希亚·戈什达斯蒂达尔（Debarghya Ghoshdastidar），乌尔里克·冯·卢克斯堡（Ulrike von Luxburg）
• 斑马鱼幼体行为的点过程潜变量模型 Anuj Sharma、Robert Johnson、Florian Engert、Scott Linderman
• 学习在没有地图的城市中导航 彼得·米罗夫斯基（Piotr Mirowski）、马特·格里姆斯（Matt Grimes）、马特乌斯·马林诺夫斯基（Mateusz Malinowski）、卡尔·莫里茨·赫尔曼（Karl Moritz Hermann）、基斯·安德森（Keith Anderson）、丹尼斯·特普利亚欣（Denis Teplyashin）、凯伦·西蒙扬（Karen Simonyan
• 广义稀疏约束下字典选择的快速贪婪算法 Tasuku Soma的Kaito Fujii
• 通过乐观无退路动态加速 王俊坤，雅各布·D·阿伯内西
• 用于医学图像报告生成的混合检索生成增强代理 袁丽、梁晓丹、胡志婷、Eric P.Xing
• 二阶Hamilton Monte Carlo的维数紧界 Oren Mangoubi，Nisheeth Vishnoi
• 基于部分测量的卷积生成网络的可逆性 Fangchang Ma、Ulas Ayaz、Sertac Karaman
• 对抗性示例的稳健检测 彭天宇、杜超、董银鹏、朱军
• 贝叶斯模型-认知元学习 Jaesik Yoon、Taesup Kim、Oussmane Dia、Sungwoong Kim、Yoshua Bengio、Sungjin Ahn
• 通过主次分配问题学习有符号行列式点过程 维克多·伊曼纽尔·布鲁内尔
• 因果图差异的直接估计 王玉浩、钱德勒·斯奎尔斯、安娜斯塔西娅·贝利亚娃、卡罗琳·尤勒
• A^2-网络：双重注意网络 陈云鹏、杨妮斯·卡兰蒂斯、李建树、颜水成、冯佳诗
• 稀疏注意回溯：通过提醒的时间信用分配 Nan Rosemary Ke、Anirudh Goyal ALIAS PARTH Goyal、Olexa Bilaniuk、Jonathan Binas、Michael C.Mozer、Chris Pal、Yoshua Bengio
• 岭回归和可证明确定性岭杠杆得分抽样 香农·麦科迪
• 基于部分观测的动态网络模型 Elahe Ghalebi、Baharan Mirzasoleiman、Radu Grosu、Jure Leskovec
• 过度贴合还是完美贴合？插值的分类和回归规则的风险边界 Mikhail Belkin、Daniel J.Hsu、Partha Mitra
• 部分可观测多智能体环境中的参与者关键策略优化 Sriram Srinivasan、Marc Lanctot、Vinicius Zambaldi、Julien Perolat、Karl Tuyls、Remi Munos、Michael Bowling
• 有限和扩展系统的端到端对称保持原子间势能模型 张林峰、韩杰群、王汉、维萨姆·赛迪、罗伯托汽车、渭南E
• 关系递归神经网络 亚当·桑托罗（Adam Santoro）、瑞安·福克纳（Ryan Faulkner）、大卫·拉波索（David Raposo）、杰克·雷（Jack Rae）、迈克·克扎诺夫斯基（Mike Chrzanowski）、西奥芬·韦伯（Theophane Weber）、达安·维斯特拉（Daan Wierstra）、奥里奥尔·维尼亚尔斯
• 通过树状神经网络提高表达能力 吴勋东、刘向文、李伟、吴青
• 无团队DAG：结构学习的连续优化 Xun Zheng、Bryon Aragam、Pradeep K.Ravikumar、Eric P.Xing
• 卡尔曼归一化：跨网络层归一化内部表示 王光润、彭杰凤、罗萍、新疆王、梁林
• 基于最大熵正则化的连接时态分类 胡柳、盛金、张长水
• GAN生来平等吗？大规模研究 马里奥·卢西奇（Mario Lucic）、卡罗尔·库拉赫（Karol Kurach）、马金·米查尔斯基（Marcin Michalski）、西尔万·盖利（Sylvain Gelly）、奥利维尔·博斯克
• 用于语义对应的递归变换网络 Seungryong Kim、Stephen Lin、SANG RYUL JEON、Dongbo Min、Kwanghoon Sohn
• 生成神经机器翻译 大卫·巴伯·哈希尔·沙阿
• FRAGE：频率-生词表示 龚成跃、何迪、谭旭、秦涛、王立伟、刘铁艳
• 变分存储器编解码器 洪乐、特鲁延·特朗、Thin Nguyen、Svetha Venkatesh
• 可变尺寸集编码的联合主动特征获取与分类 Hajin Shim、Sung Ju Hwang、Eunho Yang
• 数据有效的分层强化学习 Ofir Nachum、Shixiang（Shane）Gu、Honglak Lee、Sergey Levine
• 通过策略提取实现可验证的强化学习 奥斯伯特·巴斯塔尼、叶文·浦、阿曼多·索拉勒扎马
• 随机谱和共轭下降法 德米特里·科瓦列夫（Dmitry Kovalev）、彼得·里查塔里克（Peter Richtarik）、爱德华·戈尔布诺夫（Eduard Gorbunov）、埃尔努尔·加萨诺夫（Elnur Gasanov）
• 非光滑非凸优化的简单近似随机梯度法 李志泽、李健
• 具有可微分池的层次图表示学习 应志涛、尤嘉轩、克里斯托弗·莫里斯、任翔、威尔·汉密尔顿、朱尔·莱斯科维奇
• 基于深度神经网络固有特性建模的对抗攻击鲁棒检测 郑志浩、洪鹏宇
• 消除乘性噪声的特征相关效应 张子军、张怡宁、李宗鹏
• 网络宽度对大跨步训练成绩的影响 陈凌娇、王宏毅、赵金曼、迪米特里斯·帕皮利奥普洛斯、帕拉施科斯·库特里斯
• 基于图的高效损失译码在极端分类中的应用 Itay Evron、Edward Moroshko、Koby Crammer
• 神经网络8位训练的可伸缩方法 罗恩·班纳（Ron Banner）、伊泰·胡巴拉（Itay Hubara）、伊拉德·霍弗（Elad Hoffer）、丹尼尔·苏德瑞（Daniel Soudry）
• 用超间隙技术求解大型序列对策 Christian Kroer、Gabriele Farina、Tuomas Sandholm
• 深度学习中的步长问题 Kamil Nar，Shankar Sastry公司
• 一种高效LDA主题重构的约简方法 马特奥·阿尔曼扎、弗拉维奥·切里切蒂、亚历山德罗·潘科内西、安德烈亚·瓦塔尼
• 连续性质的凸引理 杰西卡·菲诺奇亚罗（Jessica Finocchiaro）、拉斐尔·弗龙吉略（Rafael Frongillo）
• 最近邻信息估计器是自适应的近极小极大率最优估计 焦建涛、高伟豪、韩彦军
• 积极外部性的强盗学习 Virag Shah、Jose Blanchet、Ramesh Johari
• 基于Wasserstein距离的Minimax统计学习 Jaeho Lee、Maxim Raginsky
• 主题结构学习的Dirichlet信念网络 何昭、兰杜、沃伊·邦廷、周明远
• 有效的随机梯度硬阈值 潘舟、袁晓桐、冯佳诗
• 用水平选通递归单元学习长距离空间相关性 Drew Linsley、Junkyung Kim、Vijay Veerabadran、Charles Windolf、Thomas Serre
• 基于乘法权重的协作PAC学习的紧边界 陈洁操、张琴、袁周
• （可能）凹面图形匹配 哈盖·马龙（Haggai Maron）、亚伦·利普曼（Yaron Lipman）
• HOUDINI：作为课程综合的终身学习 Lazar Valkov、Dipak Chaudhari、Akash Srivastava、Charles Sutton、Swarat Chaudhuri
• 通过选择性采样进行视频预测 徐静伟、倪冰冰、杨晓康
• 保相似神经网络中的流形局部接收域是最优的 阿尼凡·森古普塔（Anirvan Sengupta）、岑吉兹·佩勒万（Cengiz Pehlevan）、玛丽亚诺·泰珀（Mariano Tepper）、亚历山大·根金（Alexander Genkin）、德米特里·切洛夫斯基
• Snap ML：机器学习的层次化框架 塞莱斯汀·杜纳（Celestine Dünner）、托马斯·帕内尔（Thomas Parnell
• 在知识图上嵌入逻辑查询 Will Hamilton、Payal Bajaj、Marinka Zitnik、Dan Jurafsky、Jure Leskovec
• 简约贝叶斯深度网络 周明远
• 基于随机集合值扩展的样本有效强化学习 雅各布·巴克曼（Jacob Buckman）、丹尼尔·哈夫纳（Danijar Hafner）、乔治·塔克（George Tucker）、尤金·布列夫多（Eugene Brevdo）、洪拉克·李（Honglak Lee）
• 高效卷积神经网络的学习多功能滤波器 王云和、徐昌、徐春景、徐超、陶大成
• 神经最近邻网络 托比亚斯·普洛茨（Tobias Plötz）、斯特凡·罗斯（Stefan Roth）
• 高斯扰动下隐变量结构预测模型的学习 凯文·贝洛，让·霍诺里奥
• 差异私有变更点检测 雷切尔·卡明斯（Rachel Cummings）、萨拉·克雷贝尔（Sara Krehbiel）、梅亚军（Yajun Mei）、芮拓（Rui Tuo）、张婉蓉（Wanrong Zhang）
• 近似图形事件模型 Debarun Bhattacharjya、Dharmashankar Subramanian、Tian Gao
• 大型数据帧的稀疏加性效应低秩交互模型 Genevive Robin、Hoi-To Wai、Julie Josse、Olga Klopp、Eric Moulines
• 带噪声标签的深度神经网络训练的广义交叉熵损失 Zhilu Zhang、Mert Sabunci
• 推理辅助强化学习在众包激励机制设计中的应用 胡泽宏、梁一涛、张杰、赵丽、杨柳
• 快速有效的鲁棒性认证 Gagandeep Singh、Timon Gehr、Matthew Mirman、Markus Püschel、Martin Vechev
• 克服灾难性遗忘的在线结构化拉普拉斯近似 希波利特·里特（Hippoly Ritter）、阿列克桑达尔·博特夫（Aleksandar Botev）、大卫·巴伯（David Barber）
• 基于观测数据的连续多维决策优化 Dimitris Bertsimas，克里斯托弗·麦考德
• 基于贝叶斯优化和最优传输的神经网络结构搜索 Kirthevasan Kandasamy、Willie Neiswanger、Jeff Schneider、Barnabas Poczos、Eric P.Xing
• 多作用汤普森抽样的信息论分析 史东，本杰明·范罗伊
• BML：一种用于DML训练的高性能低成本梯度同步算法 王松涛、李丹、杨成、耿金坤、王燕树、王帅、夏淑涛、吴建平
• 分布式稀疏学习的近似范围 赵申义、张功多、李明伟、李武军
• BinGAN：用正则GAN学习紧凑的二进制描述符 马西耶·齐埃巴（Maciej Zieba）、彼得·森贝雷基（Piotr Semberecki）、塔雷克·埃尔·盖利（Tarek El-Gaaly）、托马斯·特兹辛斯基（Tomasz Trzcinski）
• 将上下文纳入功能磁共振成像的语言编码模型 Shailee Jain，Alexander Huth（亚历山大·胡特）
• 流形优化的高效通信并行算法 Bayan Saparbayeva、Michael Zhang、Lizhen Lin
• 用于程序合成和语义分析的内存增强策略优化 陈亮、穆罕默德·诺鲁兹、乔纳森·贝兰特、郭文乐、倪老
• 定向勘探的上下文相关置信上限 Raksha Kumaraswamy、Matthew Schlegel、Adam White、Martha White
• 自适应负曲率下降及其在非凸优化中的应用 刘明瑞、李哲、王晓宇、易金凤、杨天宝
• LF-Net：从图像中学习局部特征 小野由纪夫、爱德华·特鲁尔斯、帕斯卡尔·福阿、光武毅
• 为什么这么沮丧？多武器强盗任务中人类悲观偏见的贝叶斯解释 郭大林（Dalin Guo）、安吉拉（Angela J.Yu）
• CapProNet：通过胶囊子空间的正交投影进行深度特征学习 张立恒、埃德拉基、齐国军
• 流中的稳健子空间逼近 罗伊·莱文（Roie Levin）、安尼什·普拉萨德·塞维卡里（Anish Prasad Sevekari）、大卫·伍德拉夫（David Woodruff）
• PointCNN:X变换点上的卷积 李阳艳、卜睿、孙明超、吴伟、狄新汉、陈宝泉
• 线性二次型控制策略综合的学习凸界 Jack Umenberger，Thomas B.Schön
• 流形结构预测 亚历山德罗·鲁迪、卡洛·西利伯托、吉安玛丽·马可尼、洛伦佐·罗萨斯科
• 具有合理和热带损失的结构化输出学习的有效梯度计算 科琳娜·科尔特斯（Corinna Cortes）、维塔利·库兹涅佐夫（Vitaly Kuznetsov）、梅赫亚尔·莫赫里（Mehryar Mohri）、德米特里·斯托克斯（Dmitry Storcheus）、斯科特·杨（Scott Yang）
• 图划分中图神经网络的平均场理论 川本达夫、津贝正史、小渊富贵
• 对抗性稳健泛化需要更多数据 路德维希·施密特（Ludwig Schmidt）、Shibani Santurkar、迪米特里斯·齐普拉斯（Dimitris Tsipras）、库纳尔·塔尔瓦尔（Kunal Talwar）、亚历山大·马德里
• 通过精确性和召回评估生成模型 梅迪·萨贾迪（Mehdi S.M.Sajjadi）、奥利维尔·巴瑟姆（Olivier Bachem）、马里奥·卢西奇（Mario Lucic）、奥里维尔·布斯克特（Oliver Bousquet）、西尔万·盖利（Sylvain Gelly）
• 使用对抗评论家提高网络鲁棒性 Alexander Matyasko，Lap-Pui Chau
• 使用过去的在线调整进行快速深层强化学习 史蒂文·汉森、亚历山大·普里泽尔、巴勃罗·斯普雷希曼、安德烈·巴雷托、查尔斯·布伦德尔
• 一种实用的分布式聚类与孤立点检测算法 陈洁曹、二凡·萨德奇·阿泽尔、秦章
• 非凸矩阵恢复需要多少受限等距？ Richard Zhang、Cedric Josz、Somayeh Sojoudi、Javad Lavaei
• 复合凸和子模目标的有限记忆Kelley方法收敛性 宋周、斯瓦蒂·古普塔、马德琳·尤德尔
• 理解非凸随机优化中动量和异步之间的加速权衡 刘天一、李世阳、史建平、周恩禄、赵拓
• 具有Perron-Frobenius算子的非线性动力系统的度量 Isao Ishikawa、Keisuke Fujii、Masahiro Ikeda、Yuka Hashimoto、Yoshinobu Kawahara
• 代表性民主中最优决策的数学模型 马利克·马格顿·伊斯梅尔、李荣霞
• 多集预测的损失函数 肖恩·威勒克、姚紫馨、于盖、毛家林、张正、赵京贤
• SEGA：通过梯度绘制减少方差 菲利普·汉泽利、康斯坦丁·米什琴科、彼得·里查塔里克
• 广义一致性检验的尖锐界限 Ilias Diakonikolas、Daniel M.Kane、Alistair Stewart
• 用于图像恢复的非局部递归网络 丁柳、文碧涵、范宇晨、陈昌乐、托马斯·黄
• 博弈中颤抖平衡精化的实用精确算法 Gabriele Farina、Nicola Gatti、Tuomas Sandholm
• 用于贝叶斯学习的恒温器辅助连续调节哈密顿蒙特卡罗 Rui Luo、Jianhong Wang、Yaodong Yang、Jun Wang、Zhanxing Zhu
• 物理预测的柔性神经表示 Damian Mrowca、Chengxu Zhung、Elias Wang、Nick Haber、Li F.Fei-Fei、Josh Tenenbaum、Daniel L.Yamins
• 斯坦因变分牛顿法 Gianluca Detomamaso、Tiangang Cui、Youssef Marzouk、Alessio Spantini、Robert Scheichl
• 双重交换解除纠缠 冯尊磊、王新超、柯成龙、曾安祥、陶大成、宋明丽
• 深度齐次模型学习中的算法正则化：层自动平衡 Simon S.Du、Wei Hu、Jason D.Lee
• 三阶平滑度有助于：寻找局部极小值的更快随机优化算法 余耀东、潘旭、顾全全
• 家庭中的机器人学习：提高泛化能力和减少数据集偏差 Abhinav Gupta、Adithyavairavan Murali、Dhiraj Prakashchand Gandhi、Lerre Pinto
• LAG：用于通信高效分布式学习的延迟聚合梯度 陈天一、吉安娜基斯、孙涛、尹沃涛
• 分类中的机会均等：因果分析法 张俊哲，Elias Bareinboim
• 现代神经网络在小数据集上的推广 马修·奥尔森、亚伯拉罕·怀纳、理查德·伯克