XiaoMi-AI文件搜索系统
World File Search SystemAAAI
CSE 598 人工智能安全、可靠性和道德问题
• (NT) Bhatt, Umang, Alice Xiang, Shubham Sharma, Adrian Weller, Ankur Taly, Yunhan Jia, Joydeep Ghosh, Ruchir Puri, Jos MF Moura 和 Peter Eckersley。《部署中的可解释机器学习》。《2020 年公平、问责和透明度会议论文集》，第 648-657 页。2020 年。 • (T) Lundberg, Scott M. 和 Su-In Lee。《解释模型预测的统一方法》。《第 31 届神经信息处理系统国际会议论文集》，第 4768-4777 页。2017 年。 • (T) Ribeiro, Marco Tulio、Sameer Singh 和 Carlos Guestrin。《我为什么要相信你？》解释任何分类器的预测。”在第 22 届 ACM SIGKDD 知识发现和数据挖掘国际会议论文集上，第 1135-1144 页。2016 年。• (T) Slack、Dylan、Sophie Hilgard、Emily Jia、Sameer Singh 和 Himabindu Lakkaraju。“愚弄石灰和形状：对事后解释方法的对抗性攻击。”在 AAAI/ACM 人工智能、伦理和社会会议论文集上，第 180-186 页。2020 年。
人工智能决策助力地球健康
在线学习中的有效探索（AAAI 最佳论文亚军、IJCAI）行星健康问题通常是空间规划问题，其中每个动作都是特定于上下文的，对应于地球上的物理区域。与每个动作相关的地理特征使我们能够使用平滑度假设来关联动作。例如在野生动物保护中，我们预计具有相似地理特征的地区也会有相似的偷猎模式。从数学上讲，我们可以将两个动作的奖励中的这种相似性编码为 Lipschitz 连续性。此外，每个动作（巡逻一组区域）在区域数量上是组合的，但可以分成具有附加、可分解奖励的构成区域。因此，我们引入了一种新的多臂老虎机变体，该变体结合了可分解性和平滑性，在这些奖励估计上强制实施 Lipschitz 连续性假设，以实现明显更快的收敛 [3]。我们表明，这种方法可以改善遗憾界限，并且不依赖于区域数量 N ，与最先进的 ˜ O ( T
cv.pdf div>
Conference reviewing AAAI Conference on Artificial Intelligence 2021 Conference on Artificial Intelligence, Ethics, and Society (AIES) 2019 Conference on Economics and Computation (EC) 2020 Conference on Learning Theory (COLT) 2018 Conference on Neural Information Processing Systems (NeurIPS) 2017, 2018, 2019, 2020, 2021 European Symposium on Algorithms (ESA) 2020 Innovations in Theoretical Computer Science (ITCS) 2021，2022国际自动机，语言和节目（ICALP）2022国际人工智能与统计会议（AISTATS）2019年国际学习代表国际会议（ICLR）2022，2022，2024国际机器学习国际机器学习会议（ICML）2017，2019，2019，2019年，2019年，2018年国际智能国际会议（2020年），2018年国际会议（IMAI）2018年国际会议（I），2018年（I）离散算法研讨会（SODA）2018，2020，2021，2023关于计算机科学基础（FOCS）2019年分布式计算原理（PODC）2016 2016年计算理论的研讨会（STOC）2017，2021，2021，2021，2024 on Web and Internet经济学（葡萄酒）的
从统计关系到神经符号人工智能：一项调查。
学习与推理的融合是当今人工智能和机器学习面临的关键挑战之一，各个社区都在努力解决这一问题。对于神经符号计算 (NeSy) 领域尤其如此 [ 11 , 23 ]，其目标是整合符号推理和神经网络。NeSy 已经有悠久的传统，最近引起了各个社区的广泛关注（参见Y. Bengio 和 H. Kautz 在 AAAI 2020 上关于这个主题的主题演讲，Y. Bengio 和 G. Marcus 之间的 AI 辩论 [ 10 ]）。另一个在融合学习和推理方面有着丰富传统的领域是统计关系学习和人工智能 (StarAI) [ 41 , 89 ]。但是，它不是专注于整合逻辑和神经网络，而是围绕着将逻辑与概率推理（更具体地说是概率图模型）相结合的问题。尽管人们共同关注将符号推理与学习的基本范式（即概率图模型或神经网络）相结合，但令人惊讶的是，这两个领域之间并没有更多的相互作用。这种差异是本次调查背后的主要动机：它旨在指出这两项努力之间的相似之处，并希望以这种方式促进相互影响。为此，我们从 StarAI 的文献开始，
与唯一顶点盖的距离的精确算法
Horiyama等。（AAAI 2024）研究了在特定条件下具有独特最小顶点覆盖的图形实例的问题。他们的方法涉及预先分配某些顶点作为解决方案的一部分或将其排除在外。值得注意的是，对于v ertex c而不是问题，预分配顶点等同于将其从图形中删除。Horiyama等。重点是在这些修改后保持最小顶点盖的大小。在这项工作中，我们通过放松这一约束来扩展他们的研究：我们的目标是确保独特的最小顶点覆盖物，即使移除顶点可能不会降低所述盖子的大小。令人惊讶的是，我们的放松引入了显着的理论挑战。我们观察到问题是σ2p- complete，并且对于最高度5的平面图。尽管如此，我们提供了树木的线性时间算法，然后将其进一步利用以表明当通过树宽和最高度的组合参数化时，MU-VC处于FPT中。最后，我们表明，如果我们将解决方案的大小添加为参数的一部分，则在固定参数可进行固定参数时，在固定参数可进行的时，MU-VC在XP中为XP。
div>的课程
- Jiaxin Huang, PhD student at UIUC, Microsoft Research Fellowship - Keping Bi, WWW 2021 paper, PhD student at University of Massachusetts Amherst - Yang Zhao, ICML 2020 paper, PhD student at University of Buffalo - Paidamoyo Chapfuwa, CHIL 2020 paper, PhD student at Duke University - Christy Li, AAAI 2020 paper, PhD student at Duke University - Ruqi Zhang, ICLR 2020 paper, PhD student at Cornell University - Le Fang, EMNLP 2019 paper, PhD student at University of Buffalo - Hao Fu, NAACL 2019 paper, PhD student at Duke University - Ke Bai, AISTATS 2019 paper, PhD student at Duke University - Guoyin wang, ACL 2018 paper, PhD student at Duke University - Ruiyi Zhang, AISTATS 2018年论文，Duke University -Sam Lobel的博士生，ICLR 2020论文。杜克大学的访问学生，现为布朗大学的博士生 - 刘豪（Hao Liu），NIPS 2017论文。杜克大学的来访学生，现为加州理工学院的博士生
Mengxiao Zhang
Service: Committee Member / Reviewer: - Advances in Neural Information Processing Systems (NeurIPS): 2024, 2023, 2022, 2021, 2020 - The Association for the Advancement of Artificial Intelligence (AAAI): 2025, 2023, 2022 - International Conference on Machine Learning (ICML): 2024, 2023, 2022, 2021, 2020 - Conference on Learning Theory (COLT): 2024, 2023 - Annual ACM Symposium on Theory of Computing (STOC): 2023 - International Conference on Learning Representations (ICLR): 2025, 2024 - Innovations in Theoretical Computer Science (ITCS): 2024 - International Joint Conference on Artificial Intelligence (IJCAI): 2024, 2023, 2022, 2021 - ACM International Conference on Knowledge Discovery and Data Mining (KDD): 2021 - International Conference on Artificial Intelligence and Statistics (AISTATS): 2025, 2024, 2023 - Conference on Algorithmic Learning Theory (ALT): 2021 - Conference on Economics and Computation (EC): 2023 - INFORMS Workshop on Data Science (WDS): 2023 - INFORMS Journal on Computing - Management Science - Transactions on Machine Learning Research (TMLR) - IEEE Transactions on Pattern Analysis and Machine智能（TPAMI）
Chudi Zhong
我的研究重点是开发可解释的机器学习算法和管道，以促进人类模型的相互作用，以解决高风险决策问题。我解决了可解释的机器学习中的基本问题，使非常简单的模型以非常快速且可扩展的方式实现与黑匣子相当的性能。我引入了一种用于机器学习的新范式，称为学习Rashomon集，以通过在最佳损失的ε中找到和存储所有模型，从而破坏用户和ML算法之间的交互瓶颈。我已经在神经，ICML，AAAI，AISTATS，IEEE VIS和统计数据中发表了多篇论文。北卡罗来纳州学术大学，位于北卡罗来纳州教堂山教堂山的北卡罗来纳州教授助理教授2024年7月 - 数据科学与社会运营学院研究教育教育教育杜克大学达勒姆大学达勒姆大学，北卡罗来纳州博士。在计算机科学2020 - 2024论文中：解释性和多样性：通往可信赖的机器学习的途径M.S.统计科学2018 - 2020年北卡罗来纳大学教堂山教堂山北卡罗来纳州北卡罗来纳州 统计和信息科学2014 - 2018年选定统计科学2018 - 2020年北卡罗来纳大学教堂山教堂山北卡罗来纳州北卡罗来纳州统计和信息科学2014 - 2018年选定
人工智能的基础与重大挑战
具有最高回报潜力。随着对人工智能的投资规模超过噪音水平，我们不能再指望人们盲目地资助我们。我们正在进入一个问责时代。我认为我们不应该担心，而应该将此视为挑战，并阐述我们对未来的愿景。我对辛普森的要求的第一反应是，“嘿，我们没什么可担心的。”我们的业绩记录非常棒。我们在全球范围内创建了每年近 10 亿美元的企业。以前无法解决的问题正在得到解决。从未使用过电脑的人正在用电脑解决问题。视觉和机器人技术开始改变制造业。规划和调度系统在工业中得到常规使用。语音和语言界面正在成为首选的沟通方式。好吧，也许有很多应用程序，但科学进步呢？AAAI 是一个致力于支持人工智能科学、技术和应用进步的协会。我想借此机会与大家分享我对人工智能最新进展的一些看法，这些进展包括过去 30 年稳定、持续、系统的探索中产生的洞见和理论基础，以及推动人工智能发展的巨大挑战。
Ming Yin
媒体报道 当作家使用人工智能帮助工作时，他们接受的报酬较低，《新科学家》。2024 年 6 月 Yin 获得 NSF CAREER 奖，普渡大学计算机科学新闻。2024 年 5 月 实现有意的人类与人工智能互动，ACM Ubiquity。2024 年 3 月 NSF 资助研究所研究人工智能驱动的网络安全，普渡大学新闻。2023 年 5 月 普渡大学计算机科学研究人员在 AAAI 上发表了四篇论文，普渡大学计算机科学新闻。2023 年 2 月 基于人工智能的打击虚假新闻的可信度指标，普渡大学计算机科学新闻。2022 年 10 月 团队合作总是完成任务的最有效方式吗？世界经济论坛。2021 年 10 月 哪些任务最适合团队，哪些应该单独完成？雅虎！科技。2021 2021 年 10 月 机器学习的公平性：普渡大学加入美国国家科学基金会 100 万美元人工智能公平性计划，普渡大学计算机科学新闻。2021 年 3 月 Neville、Tan 和 Yin 将在数据科学女性会议上发表演讲，普渡大学计算机科学新闻。2019 年 2 月 未来的工作形态，自然新闻专题。2017 年 10 月