XiaoMi-AI文件搜索系统
World File Search SystemICML
XiangRen - Sean (Xiang) Ren
ACM SIGKDD知识发现与数据挖掘会议（KDD）：2015-21神经信息处理系统会议（NEURIPS）：2019-21国际机器学习国际会议（ICML）：2019-20计算语言学协会年会（ACL）年度会议（ACL）：2017-19阶段：2017 - 19 2017-20 The AAAI Conference on Artificial Intelligence ( AAAI ): 2018-19 International Joint Conference on Artificial Intelligence ( IJCAI ): 2018-19 ACM International Conference on Web Search and Data Mining ( WSDM ): 2017-19 Annual Conference of the North American Chapter of the Association for Computational Linguistics ( NAACL ): 2018-19 ACM SIGIR Conference on Research and Development in Information Retrieval ( SIGIR ): 2017-18 ACM信息和知识管理会议（CIKM）：2017
Nate Gillman |棕色CS George Konidaris -Brown CS 家庭作业3 1 CPA安全性来自PRFS和PRGS 2 Mac ... b'' 摘要“使用计算机视觉和机器学习来预测大学的进攻性游戏
发明了“傅立叶头”，这是一种新型的神经架构，利用傅立叶分析中的工具，以连续的结构学习了分配分布；使用该体系结构将决策者代理的回报提高了46％（在ICLR 2025的提交下）提出了第一种稳定自我消耗的生成模型训练的技术；在使用扩散模型的人类运动产生的情况下，使用该技术来修复模型崩溃；由4名学生研究人员组成的LED团队（ICML 2024）发明了数学上严格的方法，用于测量单词嵌入空间的空间利用的均匀性；使用新颖的指标来证明使用脆性指标（ACL 2022）
Barbor-Baranciki.pdf
Xu和Zeevi [9]的论文，“贝叶斯的设计原则，用于频繁的顺序学习”，提出了一种解决广泛的顺序决策问题的一般方法。它引入了一种新颖的优化设置，代理商持有“算法信念”，并旨在最大程度地减少遗憾的概念。作者提出了一个新的损失函数，该功能可以使代理使用标准贝叶斯原则更新信念，而无需提交特定的事先。该框架适用于各种多臂强盗和增强学习设置，并在随机，对抗和非平稳的强盗环境中实现了出色的经验性能。这项工作发表在2023年国际机器学习会议（ICML）中，并因其贡献而获得了“杰出纸质奖”。
大规模基础模型的原则
1。基础模型的数学原理：我开发了一个连贯的作品，该作品建立了理论基础，即覆盖概括，训练动力学和可识别性分析，用于基础模型的一系列自我监督学习（SSL）范式。这些包括自动锻炼[30]，重建性[12，22]，对比度[4，6]，非对抗性[14]，预测[11]接近，在图理论框架中，我将它们统一并表征它们。对于诸如变形金刚之类的骨干网络，我提出了有关其特征传播的动态分析[2，19，16，29]。从内在的学习角度来看，我率先提出了LLMS自校正能力的第一个理论解释（对于OpenAI O1中的测试时间推理至关重要），并在ICML'24 ICL研讨会上赢得了最佳纸张奖。
ai @ ubc
●在加拿大的AI [Analytics Insight，2024年5月]；更快的消息很快[有影响力的出版物，被禁运到2024年12月5日]●加拿大CIFAR AI椅子：总计12个（约40％的加拿大会员椅子），更多在管道中●奖学金：RSC（X3），ACM（X3），ACM研究员（X3），AAAI（x4），AAAI（X4），CRC Caine（X3），E.W.W.R.Steacie奖学金，斯隆研究研究员，Nserc Arthur B. McDonald研究员●研究奖：Killam Accelerator，基因组BC奖，学术数据领导者奖，Pierre Robillard奖，Pierre Robillard奖，…●最佳纸质奖项：NORA十年的诺拉十年来，NORA杰出纸张，FACCT最佳纸张，ICML最佳纸张，IIJ突出的奖项，IJCAIN奖，IJCAIE-KAIAR-JCAIAIAR，ijcai-k.
第27届ICPR教程 2024.12.01 - 赵鑫
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估，尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文，例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近，他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集（例如GOT-10k、VideoCube、SOTVerse、Biodrone等）并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员：CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
人工智能与健康：充满可能性的新时代
Long 博士是人工智能领域的领军人物，领导着 UTS 的开创性研究。Long 博士是联邦学习方面的专家，联邦学习是一种先进的人工智能技术，可在提供个性化智能的同时确保数据隐私。Long 博士的工作得到了广泛认可，他的研究成果发表在 NeurIPS 和 ICML 等顶级人工智能会议上。他的论文在短短一年内（2023 年）就获得了超过 6,373 次引用。在他的领导下，基础模型和联邦学习研究小组正在推动具有现实影响的创新，特别是在医疗保健、物联网和社交媒体等关键领域。他的工作吸引了超过 400 万美元的行业投资，突显了他的研究为社会带来的切实利益。
私人人工智能：加密数据的机器学习
摘要 随着世界采用人工智能 (AI)，隐私风险也随之增加。人工智能可以改善我们的生活，但可能会泄露或滥用我们的私人数据。私人人工智能基于同态加密 (HE)，这是一种新的加密范式，它允许云以加密形式操作私人数据，而无需解密，从而实现使用人工智能算法的私人训练和私人预测。2016 年 ICML CryptoNets [26] 论文首次展示了对同态加密数据的神经网络预测的评估，并开辟了结合机器学习和密码学的新研究方向。同态加密的安全性基于涉及格的数学难题，格是后量子密码学的候选者。本文概述了我在国际工业与应用数学大会 (ICIAM) 上的受邀全体会议演讲，解释了同态加密、私人人工智能和现实世界的应用。
Huan Zhang div>Huan Zhang div>
•邀请了关于建模，估算和控制会议（MECC）2024的培训和验证培训和验证的教程课程。•邀请的演讲，标题为“α，β -Crown：具有控制和计划中应用的神经网络的正式验证框架”，在Informs年度会议上，2024年。•邀请的谈话，标题为“α，β-克罗：一个具有控制和计划中应用的神经网络的正式验证框架”，在空中交通工程中的自动驾驶汽车中心（AVIATE），2024年。•邀请的谈话，标题为“在神经网络验证中解决大规模的非凸优化问题”，信息优化社会会议，2024年。•第一和第二届机器学习正式验证的研讨会的共同组织者”，与国际机器学习会议（ICML）2022，2023。•与国际学习表现会议（ICLR）2022。
maksym andriushchenko教学声明 div>
确保AI与社会利益保持一致是我们时代的关键挑战。我相信，教育在实现这一目标方面可以发挥至关重要的作用 - 教授AI中的技术主题必须与促进对AI更广泛影响的积极思考相结合。此外，重要的是要通过调整教育过程来说明生成性AI的可用性来为学生做好现实世界中的挑战。以前，我曾帮助在包括机器学习，概率和统计数据以及高级算法在内的多个机构中教授九门课程。此外，我还监督了学士学位，硕士和博士学位的13名学生，他们的工作导致了学术区别和多个顶级出版物[Neurips'21]，[Neurips'24C]，[ICML'24]。展望未来，我渴望开发和教授涵盖AI，AI安全和LLM代理的课程，以及与LLMS，机器学习，入门数学和计算机科学相关的更通用课程。