科技猎ICML神经网络和深度学习日程表（周二下）
会议主席: Le Song
地点: Lyceum
03:40 – On the Statistical Limits of Convex Relaxations（关于凸松弛的统计范围）Zhaoran Wang 、Quanquan Gu , Han普林斯顿大学
03:57 – Faster Convex Optimization: Simulated Annealing with an Efficient Universal Barrier（更快的凸优化: 有效的普遍障碍的模拟退火法）Jacob Abernethy 密歇根大学； Elad Hazan普林斯顿大学
04:14 – A ranking approach to global optimization（全球优化排列方法） Cedric Malherbe ENS Cachan, Emile Contal、Nicolas Vayatis卡桑高等师范学院
04:31 – Epigraph projections for fast general convex programming （快速一般凸规划的题词预测） Po-Wei Wang、Matt Wytock、Zico卡耐基梅隆大学
大会主席: Tong Zhang
地点: Lyceum
05:10 – Low-rank Solutions of Linear Matrix Equations via Procrustes Flow（通过Procrustes Flow的线性矩阵方程解决方法）Stephen Tu、Ross Boczar、Max Simchowitz、mahdi Soltanolkotabi、 Ben Recht 加州大学伯克利分校
05:27 – Quadratic Optimization with Orthogonality Constraints: Explicit Lojasiewicz Exponent and Linear Convergence of Line-Search Methods （正交约束的二次优化：线搜索方法的明确Lojasiewicz指数和线性收敛）Huikang Liu 、Weijie Wu、Anthony Man-Cho 香港中文大学
05:44 – Efficient Algorithms for Large-scale Generalized Eigenvector Computation and Canonical Correlation Analysis（高效的算法对大规模广义特征向量计算和典型相关分析）Rong Ge , Chi Jin加州大学伯克利分校； Sham , Praneeth Netrapalli 、Aaron Sidford微软研究所
06:01 – Matrix Eigen-decomposition via Doubly Stochastic Riemannian Optimization（通过双随机矩阵协黎曼优化的矩阵分解） Zhiqiang Xu Infocomm研究所； Peilin Zhao 、Jianneng Cao Xiaoli Li I2R, ASTAR
矩阵分解及相关主题
会议主席：Roger Grosse
地点：Empire
03:40 – Principal Component Projection Without Principal Component Analysis （没有主元件分析的主元件投影）Roy Frostig 斯坦福大学；Cameron Musco、Christopher Musco Mass 麻省理工学院；Aaron Sidford 微软新英格兰研究所
03:57 – Recovery guarantee of weighted low-rank approximation via alternating minimization （通过交替最小化的加权低秩逼近的恢复保证）Yuanzhi Li、Yingyu Liang、Andrej Risteski 普林斯顿大学
04:14 – Tensor Decomposition via Joint Matrix Schur Decomposition（张量分解通过联合矩阵的舒尔分解）Nicolo Colombo 卢森堡大学；Nikos Vlassis 美国Adobe公司
04:31 – Fast methods for estimating the Numerical rank of large matrices （评估大矩阵数值秩的快速方法）Shashanka Ubaru、Yousef Saad 明尼苏达大学
无监督学习/应用会议主席：Jeff Bilmes
地点：Soho
03:40 – Markov-modulated Marked Poisson Processes for Check-in Data（用于检查数据的马尔可夫调制标记的泊松过程）Jiangwei Pan、Pankaj Agarwal、 Alan Gelfand 美国杜克大学；Vinayak Rao 美国珀杜大学
03:57 – Hierarchical Compound Poisson Factorization（层次复合泊松分解）Mehmet Basbug 普林斯顿大学；Barbara Engelhardt
04:14 – Dirichlet Process Mixture Model for Correcting Technical Variation in Single-Cell Gene Expression Data （在单细胞的基因表达数据校正技术变化的狄利克雷过程混合模型）Sandhya Prabhakaran、Elham Azizi、Ambrose Carr、Dana Pe’er 哥伦比亚大学
04:31 – Automatic Construction of Nonparametric Relational Regression Models for Multiple Time Series （多时间序列的非参数关系回归模型的自动构建）Yunseong Hwang、Anh Tong、Jaesik Choi 软件技术研究所（UNIST）
学习理论会议主席：Jon Mcauliffe
地点：Liberty
03:40 – Truthful Univariate Estimators （真实单变量评估）Ioannis Caragiannis 佩特雷大； Ariel Procaccia、Nisarg Shah 卡内基梅隆大学
03:57 – Fast Algorithms for Segmented Regression （分段回归的快速算法）Jayadev Acharya 、Jerry Li 麻省理工学院； Ilias Diakonikolas；Ludwig Schmidt
04:14 – Stochastically Transitive Models for Pairwise Comparisons: Statistical and Computational Issues （成对比较随机传递模型：统计与计算问题）Nihar Shah、Aditya Guntuboyina、 Martin Wainwright 加州大学伯克利分校；Sivaraman Balakrishnan 剑桥管理机构；
04:31 – Provable Algorithms for Inference in Topic Models （在主题模型中推理可证明的算法）Sanjeev Arora、Frederic Koehler、Tengyu Ma 普林斯顿大学；Ankur Moitra
03:57 – Fast Algorithms for Segmented Regression （分段回归的快速算法）Jayadev Acharya 、Jerry Li 麻省理工学院； Ilias Diakonikolas；Ludwig Schmidt
04:14 – Stochastically Transitive Models for Pairwise Comparisons: Statistical and Computational Issues （成对比较随机传递模型：统计与计算问题）Nihar Shah、Aditya Guntuboyina、 Martin Wainwright 加州大学伯克利分校；Sivaraman Balakrishnan 剑桥管理机构；
会议主席：Andreas Krause
地点：Empire
05:10 – Extreme F-measure Maximization using Sparse Probability Estimates （极端值最大化利用极低概率评估） Kalina Jasinska , Krzysztof Dembczynski、Robert Busa-Fekete、Karlson Pfannschmidt、Timo Klerx、 Eyke Hullermeier
05:27 – Stochastic Optimization for Multiview Representation Learning using Partial Least Square s（利用偏最小二乘法随机最优化多视图表示学习）Raman Arora 、Poorya Mianjy 约翰霍普金斯大学；Teodor Marinov
05:44 – Gaussian quadrature for matrix inverse forms with applications（矩阵逆形式的高斯积分及其应用）Chengtao Li 、Suvrit Sra、Stefanie Jegelka 麻省理工学院
06:01 – A Subspace Learning Approach for High Dimensional Matrix Decomposition with Efficient Column/Row Sampling （高效列/行采样的高维矩阵分解的子空间学习方法）Mostafa Rahmani、Geroge Atia 中佛罗里达大学
图模型
会议主席：Jun Zhu
地点：Soho
05:10 – Uprooting and Rerooting Graphical Models 图模型根除与重制 Adrian Weller 剑桥大学
05:27 – Structure Learning of Partitioned Markov Networks 马尔可夫网络分区的结构学习 Song Liu、Kenji Fukumizu国家数学统计研究所，Taiji Suzuki 、Masashi Sugiyama 东京大学
05:44 – Ensuring Rapid Mixing and Low Bias for Asynchronous Gibbs Sampling 使用快速混合和低偏置确保异步吉布斯采样 Christopher De Sa、Chris Re、Kunle Olukotun 斯坦福大学
06:01 – Estimation from Indirect Supervision with Linear Moments 线性矩间接监督的评估，Aditi Raghunathan、Roy Frostig、Percy Liang 斯坦福大学
监督式学习
会议主席：Nicolas Le Roux
地点：Liberty
05:10- Early and Reliable Event Detection Using Proximity Space Representation使用近似空间战士的早期和可靠时间检测 Maxime Sangnier 法国科学研究中心；Jerome Gauthier、Alain Rakotomamonjy消费电子协会
05:27- Meta–Gradient Boosted Decision Tree Model for Weight and Target Learning 权重与目标学习的元梯度加权决策树模型，Yury Ustinovskiy、Valentina Fedorova、Gleb Gusev、Pavel Serdyukov 俄罗斯Yandex公司
05:44 – Differential Geometric Regularization for Supervised Learning of Classifiers 微分几何正则化下的有监督学习式分类器，Qinxun Bai、Steven Rosenberg、Stan Sclaroff 波士顿大学，Zheng Wu 美国MathWorks公司
06:01 – Linking losses for density ratio and class-probability estimation 密度比和分级概率评估的链接损耗，Aditya Menon、Cheng Soon Ong 澳大利亚信息与通信技术机构
Via: ICML@NYC