ICML神经网络和深度学习日程表（周二）

神经网络 和深度学习

大会主席：Hal Daume III

地点： Ballroom 1+2+Juliard

10:30：Strongly-Typed Recurrent Neural Networks（强类型递归神经网络）  David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学

10：47： A Convolutional Attention Network for Extreme Summarization of Source Code （源代码极端总结卷积关注网络） Miltiadis Allamanis 爱丁堡大学；Hao Peng 北京大学

11：04：Ask Me Anything: Dynamic Memory Networks for Natural Language Processing （问我任何事：自然语言程序动态记忆网络）Ankit Kumar、 Ozan Irsoy 、 Peter Ondruska、 Mohit Iyyer 、James Bradbury、 Ishaan Gulrajani、Victor Zhong、Romain Paulus   MetaMind公司

11:40：Dynamic Memory Networks for Visual and Textual Question Answering （视觉动态记忆网络和文字问题问答）  Caiming Xiong、Stephen Merity MetaMind公司

11:57： Supervised and Semi-Supervised Text Categorization using LSTM for Region Embeddings（ 使用LSTM地区嵌入的监督和半监督文字分类 ）Rie Johnson RJ调查咨询公司

12：14：PHOG: Probabilistic Model for Code（PHOG:代码概率模型 ）Pavol Bielik、Veselin Raychev、Martin Vechev  苏黎世联邦理工学院

增强式学习

会议主席: Tom Erez

地点: Ballroom 3+4

  10:30 –  On the Analysis of Complex Backup Strategies in Monte Carlo Tree Search （关于 蒙特卡洛树搜索复杂支撑战略的分析） Piyush Khandelwal、Elad Liebman 、cott 、Peter Stone U 德克萨斯大学奥斯汀分校

10:47 –  Generalization and Exploration via Randomized Value Functions （随机化价值功能归纳和探索） Ian Osband 、 Benjamin Van Roy 斯坦福大学；Zheng Wen Adobe 研究所

11:04 –  Doubly Robust Off-policy Value Evaluation for Reinforcement Learning（增强式学习价值评估策略） Nan Jiang密歇根大学； Lihong Li 微软

11:40 –  Near Optimal Behavior via Approximate State Abstraction（通过近似状态抽象的最优行为） David Abel 、 David Hershkowitz、 Michael Littman 布朗大学

11:57 –Model-Free Trajectory Optimization\\ for Reinforcement Learning （增强式学习自由模式轨道优化）Riad Akrour 、 Gerhard Neumann 、 Hany Abdulsamad、Abbas Abdolmaleki 达姆施塔特工业大学

12:14 – Model-Free Imitation Learning with Policy Optimization （政策优化自由模式限制学习） Jonathan Ho 、Jayesh Gupta、 Stefano Ermon 斯坦福大学

会议主席：Lihong Li

地点: Marquis

03:40 – Guided Cost Learning: Deep Inverse Optimal Control via Policy Optimization （指导成本学习： 通过策略最优化的深度逆向优化控制） Chelsea Finn、 Sergey Levine 、Pieter Abbeel  加州大学伯克利分校

03:57 –  Smooth Imitation Learning for Online Sequence Prediction（在线后果预测的模仿学习）  Hoang Le、Andrew Kang、 Andrew Kang , Yisong Yue 加州理工学院

04:14 –  Continuous Deep Q-Learning with Model-based Acceleration（基于模型积累的连续深度Q-Learning） Shixiang Gu剑桥大学； Timothy Lillicrap Google DeepMind； Ilya Sutskever OpenAI； Sergey Levine 谷歌

04:31 –   Asynchronous Methods for Deep Reinforcement Learning（深度增强式学习的异步方法）Volodymyr Mnih Google、Adria Puigdomenech Badia、Mehdi Mirza、Alex Graves 、Timothy Lillicrap、Tim Harley、David , Koray Kavukcuoglu 谷歌Deepmind

会议主席: Tom Erez

地点 ： Marquis

05:10 – Estimating Maximum Expected Value through Gaussian Approximation  （通过高斯近似原理预测最大期待价值） Carlo D’Eramo、 Marcello Restelli、 Alessandro Nuara米兰理工大学

05:27 – Data-Efficient Off-Policy Policy Evaluation for Reinforcement Learning（ 增强式学习数据效率政策评估）Philip Thomas 、 Emma卡内基梅隆大学

05:44 – Cumulative Prospect Theory Meets Reinforcement Learning: Prediction and Control （积累前景理论遇上增强式学习：预测和控制 ）Prashanth L.A、Cheng Jie, Michael Fu 、Steve Marcus马里兰大学

06:01 – Softened Approximate Policy Iteration for Markov Games Maekov（对策软化近似战略迭代）Julien Pérolat、Bilal Piot 、Matthieu Geist 、Bruno Scherrer 、Olivier Pietquin里尔大学

组合最优化

会议主席: Andreas Krause

地点: Marquis

10:30 – Algorithms for Optimizing the Ratio of Submodular Functions （子模块功能概率的算法优化 ） Wenruo Bai、Rishabh Iyer、Kai Wei、Jeff Bilmes 华盛顿大学

10:47 – Horizontally Scalable Submodular Maximization （水平扩展子模块最大化） Mario Lucic 、Olivier Bachem 苏黎世理工学院；Morteza Zadimoghaddam 、Andreas Krause 谷歌研究院

11:04 – Learning Sparse Combinatorial Representations via Two-stage Submodular Maximization（ 通过两层子模块最大化学习稀疏组合代表）Eric Balkanski 、Baharan Mirzasoleiman、Andreas Krause 、Yaron Singer 苏黎世理工学院

11:40 – Fast Constrained Submodular Maximization: Personalized Data Summarization （速度限制子模块最大化：个性化数据总结）Baharan Mirzasoleiman苏黎世理工学院； Ashwinkumar Badanidiyuru 谷歌研究院； Amin Karbasi 耶鲁大学

11:57 – A Box-Constrained Approach for Hard Permutation Problems （困难排列问题的简单界约束解决方案） Cong Han Lim 、Madison、Steve Wright 威斯康辛大学

12:14 – A Convex Atomic-Norm Approach to Multiple Sequence Alignment and Motif Discovery  （多序列比对和模体识别的凸面原子解决方案）Ian En-Hsu Yen 、Xin Lin 、Jiong Zhang 、Pradeep Ravikumar 特克萨斯大学奥斯丁分校

无监督学习/表征学

  会议主席: Jennifer Dy

  地点: Lyceum

10:30 – Nonparametric Canonical Correlation Analysis（非参数标准相关分析） Tomer Michaeli 以色列理工学院； Weiran Wang 、 Karen Livescu TTI Chicago

10:47 – The Information Sieve（信息筛）Greg Ver Steeg、Aram Galstyan 信息科技研究所

11:04 – Gromov-Wasserstein Averaging of Kernel and Distance Matrices Gromov-Wasserstein（核心和距离矩阵平均值） Gabriel Peyré、Justin Solomon 京都Marco Cuturi

11:40 – Learning Representations for Counterfactual Inference（ 反事实推理的学习代表） Fredrik Johansson哥德堡科技大学；Uri Shalit 、David Sontag 纽约大学

11:57 – Why Regularized Auto-Encoders learn Sparse Representation?（为什么正规化自动编码器学习稀疏表示？） Devansh Arpit 、Yingbo Zhou、Hung Ngo、Venu Govindaraju 纽约州立大学

12:14 – Robust Random Cut Forest Based Anomaly Detection on Streams （随机森林砍伐的数据流异常检测） Sudipto Guha 宾夕法尼亚大学； Nina Mishra、Gourav Roy Amazon、Okke Schrijvers 斯坦福大学

分样/内核方法

会议主席: Marius Kloft

地点: Empire

10:30 – Mixing Rates for the Alternating Gibbs Sampler over Restricted Boltzmann Machines and Friends （受限玻尔兹曼机和朋友的混合交替吉布斯采样法） Christopher Tosh 加州大学圣地亚哥分校

10:47 – Pliable Rejection Sampling（柔软拒绝采样） Akram Erraqabi Inria、 Michal Valko、Alexandra Carpentier 、Odalric Maillard 欧洲北部里尔

11:04 – A Kernel Test of Goodness of Fit（内核拟合优化检验） Kacper Chwialkowski 、Heiko Strathman、 Arthur Gretton、 Gatsby 伦敦大学学院

11:40 – A Kernelized Stein Discrepancy for Goodness-of-fit Tests （拟合优度检验的Kernelized Stein差异） Qiang Liu 、Jason Lee、 Michael 加州大学伯克利分校

11:57 – Additive Approximations in High Dimensional Nonparametric Regression via the SALSA （通过SALSA的高维非参数回归添加剂近似）Kirthevasan Kandasamy、 Yaoliang Yu卡内基梅隆大学

12:14 – Doubly Decomposing Nonparametric Tensor Regression（双非参数张量分解回归）Masaaki Imaizumi、Kohei Hayashi 东京大学

稀疏和压缩传感

大会主席：Gal Chechik

地点: Soho

10:30 – The Information-Theoretic Requirements of Subspace Clustering with Missing Data（数据缺失子空间聚类的信息理论要求）Daniel Pimentel-Alarcon 、Robert Nowak 麦迪逊大学

10:47 – Robust Principal Component Analysis with Side Information（稳健的边信息主成分分析）Kai-Yang Chiang德州大学奥斯丁分校； Cho-Jui Hsieh加州大学戴维斯分校

11:04 – Online Low-Rank Subspace Clustering by Basis Dictionary Pursuit（通过基础字典追踪的在线低秩子空间聚类）Jie Shen、Ping Li、Huan Xu 罗格斯大学

11:40 – Provable Non-convex Phase Retrieval with Outliers: Median TruncatedWirtinger Flow（可证明的非凸和离群值相位检索:中位数TruncatedWirtinger流）Huishuai Zhan、Yingbin Liang 雪城大学； Yuejie Chi 俄亥俄州立大学

11:57 – Estimating Structured Vector Autoregressive Models（估算结构向量自回归模型）Igor Melnyk、Arindam Banerjee 明尼苏达州

12:14 – Towards Faster Rates and Oracle Property for Low-Rank Matrix Estimation（关于低质矩阵估计更快的效率和Oracle财产） Huan Gui、Jiawei Han 伊利诺伊大学

近似推理

会议主席: Jon Mcauliffe

地点: Liberty

10:30 – Hierarchical Variational Models（分层变分模型）Rajesh Ranganath , Dustin Tran 、Blei David 哥伦比亚大学

10:47 – A Variational Analysis of Stochastic Gradient Algorithms（变分分析随机梯度算法）Stephan Mandt、Blei David哥伦比亚大学；Matthew Hoffman Adobe研究所

11:04 – Black-Box Alpha Divergence Minimization（黑盒α差异最小化）Jose miguel Hernandez-Lobato , Yingzhen Li、 Mark Rowland、Thang Bui、Daniel Hernandez-Lobato 、Richard Turner 剑桥大学

11:40 – Variational Inference for Monte Carlo Objectives（蒙特卡罗目标变分推理）Andriy Mnih , Danilo Rezende 谷歌 DeepMind

11:57 – Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning （作为贝叶斯估计的Dropout：代表深度学习模块的不确定性）Yarin Gal 剑桥大学

12:14 – Auxiliary Deep Generative Models（辅助深度生成模型）Lars Maaløe、Ole Winther 丹麦技术大学, Casper Kaae Sønderby 、Søren Kaae Sønderby 哥本哈根大学

神经网络和深度学习I

会议主席: Nicolas Le Roux

地点: Ballroom 1+2+Juliard

03:40 – Factored Temporal Sigmoid Belief Networks for Sequence Learning （序列学习因式分解函数信念网络）Jiaming Song清华大学； Zhe Gan、Lawrence Carin 杜克大学

03:57 – Bidirectional Helmholtz Machines（双向亥姆霍兹机器） Jorg Bornschein、Samira Shabanian 、Asja Fischer 、Yoshua Bengio 蒙特利尔大学

04:14 – Structured and Efficient Variational Deep Learning with Matrix Gaussian Posteriors （结构化和有效的变分矩阵高斯后验深度学习）Christos Louizos、Max Welling 阿姆斯特丹大学

04:31 – Dropout distillation （Dropout蒸馏）Samuel Rota Bulò FBK, Lorenzo Porzi FBK, Peter Kontschieder 剑桥微软研究院

  会议主席: Yoshua Bengio

  地点: Ballroom 1+2+Juliard

05:10 – Expressiveness of Rectifier Networks（整流器网络的表达）Xingyuan Pan、Vivek Srikumar 犹他大学

05:27 – Convolutional Rectifier Networks as Generalized Tensor Decompositions（卷积整流器网络广义张量分解）Nadav Cohen、Amnon Shashua Mobileye耶路撒冷希伯来大学

05:44 – Fixed Point Quantization of Deep Convolutional Networks（深度卷积网络的点定量化）Darryl Lin、Sachin Talathi 高通研究所；Sreekanth Annapureddy NetraDyne公司

06:01 – CryptoNets: Applying Neural Networks to Encrypted Data with High Throughput and Accuracy  （CryptoNets:：将神经网络运用于高生产量和准确度的加密数据 ） Ran Gilad-Bachrach、Nathan Dowlin Princeton、Kim Laine、Kristin Lauter、Michael Naehrig 、John Wernsing 微软研究所

神经网络和深度学习II

会议主席: Alexandru Niculescu-Mizil

地点: Ballroom 3+4

03:40 – Revisiting Semi-Supervised Learning with Graph Embeddings  （图形嵌入半监督学习回顾）   Zhilin Yang、William Cohen卡耐基梅隆大学Ruslan Salakhudinov 多伦多大学

03:57 – ADIOS: Architectures Deep In Output Space （ ADIOS: 输出空间架构深度）Moustapha Cisse 、 Maruan Al-Shedivat卡耐基梅隆大学； Samy Bengio 谷歌

04:14 – Unsupervised Deep Embedding for Clustering Analysis（深度嵌入的无监督聚类分析） Junyuan Xie、Ali Farhadi 华盛顿大学； Ross Girshick Facebook ；

04:31 – Learning Convolutional Neural Networks for Graphs（卷积神经网络图学习）Mathias Niepert 、Mohamed Ahmed ；Konstantin Kutzkov NEC 欧洲实验室

会议主席: David Sontag

地点: Ballroom 3+4

05:10 – Correcting Forecasts with Multifactor Neural Attention  （多因子神经关注纠正预测）Matthew Riemer、 Aditya Vempaty、Flavio Calmon、Fenno Heath、Richard Hull、Elham Khabiri IBM

05:27 – Meta-Learning with Memory-Augmented Neural Networks Memory-Augmented（神经网络元学习）Adam Santoro、Matthew Botvinick 、Daan Wierstra、Timothy Lillicrap 谷歌DeepMind Sergey Bartunov 高级经济学院

05:44 – Learning Simple Algorithms from Examples（ 简单算法的示例学习） Wojciech Zaremba , Tomas , Armand Joulin , Rob Fergus Facebook AI研究所

06:01 – Associative Long Short-Term Memory（长短期记忆联想） Ivo Danihelka 、Greg Wayne 、Benigno Uria 、 Nal Kalchbrenner 、Alex Graves 谷歌DeepMind

Via: ICML@NYC