XiaoMi-AI文件搜索系统
World File Search SystemNeurIPS
彼得·哈西
●ICLR 2024●AAAI 2024●ACL滚动审查，2023年8月●EMNLP 2023●NEURIPS 2023●CVPR XAI4CV研讨会2023●AAAI 2023●AAAI 2023●ACL滚动审查，2022年10月2022年，ACL Rolling 2022●ACL滚动审查，ACL 20222222222222222. EMN 20222222222222222. EMN 2022222222222222. EMN 202222222222222. EMN 2. emn emn 20222222222. 2022●ACL滚动评论，2021年12月●ACL滚动审查，2021年10月●ACL滚动审查，2021年9月●Neurips Distshift shift Workshop 2021●EMNLP BlackBoxnLP研讨会2021●EMNLP 2021●EMNLP 2021●ACL-IJCNLP 2021（ICLP 20211（ICLECERECKER）●ICL●ICL● NAACL-HLT 2021●EACL 2021●EMNLP 2020（杰出审稿人）
Hadeel Al-Negheimish - 计算机系
ACL、IJCLR 的社区审阅者 – 2022 年至今 NeurIPS 穆斯林机器学习研讨会参与组织者 – 2023 年 12 月 ICLP 2023 的学生志愿者 – 2023 年 7 月 NeurIPS 2019 的学生志愿者 – 2019 年 12 月 WiML 2019 的学生志愿者 – 2019 年 12 月 RE-WORK 深度学习峰会的学生志愿者 – 2019 年 9 月 波多黎各州立大学女性数据科学活动导师 – 2017 年 12 月 伦敦帝国理工学院女子工程暑期学校计算大使 – 2015 年 7 月 志愿在谷歌 CS4HS 研讨会上任教，堪萨斯州立大学 – 2012 年 6 月 创立并领导了第一届年度 IT 项目博览会，堪萨斯州立大学 – 2012 年 5 月
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。
玛丽亚·托内瓦 –
程序委员会 程序主席：CogSci 2024 高级程序委员会成员：ACL 滚动评审（2023 年至今）、NeurIPS（2024 年至今）、ICML（2025 年至今）、CCN（2025 年至今）、CCN 技术程序委员会 (2022–2024) 程序委员会成员：ML：NeurIPS 2016-2023（2018 年前 30% 的审稿人）；ICML 2019-2023（2022 年前 10% 的审稿人）；AAAI 2020-2021、CoLLAs 2022、ICLR 2022-2024（2023 年重点审稿人）；NLP：ACL 2019-2021；NAACL 2019-2021；EMNLP 2020-2021； CoNLL 2020-2021；AACL-IJCNLP 2020；EACL 2021 期刊审稿人：TMLR、《自然人类行为》、《自然通讯》；《通讯生物学》；TICS、《ACM 通讯》、《计算神经科学前沿》
piotr mi los工作经验简短的研究声明...
•将语言模型重新定位为嵌入模型：查找Compute-Timepimal配方； A. Ziarko，A。Jiang，B。Piotrowski，W。Li，M。Jamnik，P。Milo。神经2024•较大，正规化，乐观：计算和样品有效连续控制的缩放； M. Nauman，M。Ostaszewski，K。Jankowski，P。MiLo's，M。Cygan；神经2024（聚光灯）•微调加强学习模型秘密地忘记了缓解问题； M. Wolczyk，B。Cupial，M。Ostaszewski，M。Bortkiewicz，M。Zajac，R。Pascanu，L。Kucinski，P。Milo。 ICML 2024（聚光灯）•Magnushammer：一种基于变压器的前提选择方法； M. Miku La，S。Antoniak，S。Tworkowski，A。Jiang，J。PengZhou，ch。Galias，S。S.Syoceanu，H。Michalewski）; ICRA 2020Galias，S。S.Syoceanu，H。Michalewski）; ICRA 2020szegedy，L。Kuci´nski，P。Milo lo。，Y。Wu; ICLR 2024•聚焦变压器：上下文缩放的对比训练； S. Tworkowski，K。Staniszewski，M。Pacek，Y。Wu，H。Michalewski，P。Milo。神经2023•快速而精确：通过自适应子搜索调整计划范围； M. Zawalski，M。Tyrolski，K。Czechowski，D.Stachura，P.Piekos，T。Odrzygozdz，Y。Wu，L。Kucinski，P。Milo。 ICLR 2023（值得注意的前5％）•连续世界：持续强化学习的机器人基准； M. Wo Lczyk，M。Zajac，R。Pascanu，L。Kuci´nski，P。Milo； Neurips 2021•亚目标搜索复杂的推理任务； K. Czechowski，T。Odrzyg´o´zd´z，M。Zbysi´nski，M。Zawalski，K。Olejnik，Y。Wu，L。Kuci´nski，P。Milo lo; Neurips 2021•基于模型的加固学习（与L. Kaiser，M。Babaeizadeh，B。Osi´nski，R。Campbell，K。Czechowski，D。Erhan，C。Finn，P。Kozakakowski，S.Levine，S.Levine，S.Levine，S.Levine，R.Sepassi，R.Sepassi，G。Tucker，G.Tucker，H。Michalewski）; ICLR 2020（聚光灯）•基于模拟的实用自主驾驶的增强加固学习（与B. Osi´nski，A。Jakubowski，P。Ziecina，P。Ziecina，CH。
汤姆·贝克勒 -
1。（2023，Neurips Conference）Will，G。Behrens，J。Busecke，N。Lose，C。Stern，T。Beucler等。：攀登：用于混合物理机器学习气候仿真的大型多尺度数据集。神经信息处理系统的进步。“ Oustanding数据集和基准测试”奖。2。（2023年，Neurips Workshop）Lin，J.，M。A. Bhouri，T。Beucler，S。Yu＆M。Pritchard：在看不见，温暖的气候下，应对混合物理学机器学习气候模拟的压力测试。2023神经信息处理系统会议。3。（2021，Neurips Workshop）Mangipudi，H.，G。Mooers，M。Pritchard，T。Beucler＆S。Mandt：使用多通道VAE分析高分辨率云和对流。2021神经信息处理系统会议。4。（2020年，Igarss）Beucler，T.，M。Pritchard，P。Gentine＆S。Rasp：迈向物理上一致的数据驱动的对流模型。IEEE国际地球科学和遥感研讨会2020年。5。（2020年，气候信息学）Mooers，G.，J。Tuyls，S.Mandt，M。Pritchard＆T。Beucler：大气对流的生成建模。第十届国际气候信息学会议的会议记录，98-105。6。（2019年，ICML研讨会）Beucler，T.，S。Rasp，M。Pritchard＆P。Gentine：在气候建模中实现神经网络模拟器中的能量保护。2019年国际机器学习会议。
简历
用于凸优化的自适应近端梯度法 NeurIPS ，2024 16. K. Mishchenko、A. Defazio Prodigy：一种快速自适应的无参数学习器 ICML ，2024 15. A. Khaled、K. Mishchenko、C. Jin DoWG Unleashed：一种有效的通用无参数梯度下降法 NeurIPS ，2023 14. A. Defazio、K. Mishchenko 通过 D 自适应实现无学习率学习 ICML ，2023 杰出论文奖 13. B. Woodoworth、K. Mishchenko、F. Bach 两个损失胜过一个：使用更便宜的代理进行更快的优化 ICML ，2023 12. K. Mishchenko、F. Bach、M. Even、B. Woodworth 异步 SGD 在任意延迟 NeurIPS，2022 11. K. Mishchenko、G. Malinovsky、S. Stich、P. Richtárik ProxSkip：是的！局部梯度步骤可证明可加速通信！终于！ ICML ，2022 10. K. Mishchenko、A. Khaled、P. Richtárik 近端和联合随机重新调整 ICML ，2022 9. K. Mishchenko、B. Wang、D. Kovalev、P. Richtárik IntSGD：随机梯度的自适应无浮点压缩 ICLR ，Spotlight，2022 8. K. Mishchenko、A. Khaled、P. Richtárik 随机重新调整：简单分析但带来巨大改进 NeurIPS ，2020 7. Y. Malitsky、K. Mishchenko 无下降的自适应梯度下降 ICML ，2020 6. K. Mishchenko、F. Hanzely、P. Richtárik 分布式优化中 99% 的 Worker-Master 通信是不需要的 UAI ，2020 5. K. Mishchenko, D. Kovalev, E. Shulgin, Y. Malitsky, P. Richtárik 重温随机超梯度 AISTATS，2020 4. A. Khaled, K. Mishchenko, P. Richtárik 相同和异构数据 AISTATS 上局部 SGD 的更严格理论，2020 3. S. Soori, K. Mishchenko, A. Mokhtari, M. Dehnavi, M. Gürbüzbalaban DAve-QN：具有局部超线性收敛率的分布式平均拟牛顿法 AISTATS，2020 2. F. Hanzely，K. Mishchenko，P. Richtárik SEGA：通过梯度草图 NeurIPS 减少方差，2018 1. K. Mishchenko，F. Iutzeler，J. Malick，M.-R。 Amini 一种用于分布式学习的延迟容忍近端梯度算法 ICML，2018