XiaoMi-AI文件搜索系统
World File Search SystemSIGKDD
Xuan Kan
IEEE 知识与数据工程学报（ TKDE ） 2023 第三十六届神经信息处理系统会议（ NeurIPS ） 2023 网络会议（ WWW ） 2022、2023 人工智能会议、社会影响人工智能特别轨道（ AAAI ） 2023 ACM SIGKDD 知识发现与数据挖掘会议（ SIGKDD ） 2022 SIAM 国际数据挖掘会议（ SDM ） 2022 信息与知识管理会议（ CIKM ） 2022 IEEE 大数据学报（ Big Data ） 2021、2022 IEEE 神经网络与学习系统学报（ TNNIS ） 2022 医疗保健中的可解释机器学习研讨会@ICML 2021、2022、2023 自动医疗诊断的计算机视觉研讨会@ICCV 2022
Matteo Riondato
2016 L. de Stefani，A。Epasto，M。Riondato和E. Upfal。 trièst：在具有固定内存大小的完全动态流中计数本地和全局三角形。 第22届ACM SIGKDD国际知识发现与数据挖掘会议（KDD）的会议记录，pp。 825–834。 最佳学生纸奖（研究轨道）2016 L. de Stefani，A。Epasto，M。Riondato和E. Upfal。trièst：在具有固定内存大小的完全动态流中计数本地和全局三角形。第22届ACM SIGKDD国际知识发现与数据挖掘会议（KDD）的会议记录，pp。825–834。最佳学生纸奖（研究轨道）
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
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。
Leonardo Pellegrina bioasq at clef2025
i作为不同的国际会议和讲习班（例如KDD，VLDB，ROCOMB，ISH，ECCB）的演讲者提出了这些结果，并介绍了“多个假设测试和统计上声音模式挖掘”的ACM KDD'19和SIAM'21。我的博士学位论文获得了2021年SIGKDD D论文奖的荣誉，因此是全球采矿和知识发现的最佳三篇博士学位。此外，我被任命为ACM国际会议计划委员会的最佳成员之一2022年网络会议和2023年（认可分配给了前5％的PC成员）。在博士学位期间，我访问了布朗大学（美国普罗维登斯，美国普罗维登斯）的计算机科学系，与Eli Upfal教授一起工作。以前是博士学位，我开展了有关自动系统的开发和实验评估的研究活动，以在微重力的条件下对电缆的受控释放和回忆[C1，C2]；在这个多学科项目中，我开发了用于自动控制的软件系统，并分析了收集的实验数据。该系统于2017年在意大利获得专利，并在2018年获得全球。此外，我研究了信息检索的算法状态[C3，C4]的研究。
Inspec ID 期刊
EG05 ACM 队列 1542-7730 1542-7749 ACM USA HK61 ACM SIGACCESS 可访问性和计算 1558-2337 1558-1187 ACM USA FM46 ACM SIGACT 新闻 0163-5700 1943-5827 ACM USA HK62 ACM SIGAda Ada 快报 1094-3641 ACM USA HK63 ACM SIGAPP 应用计算评论 1559-6915 1931-0161 ACM USA HK66 ACM SIGBioinformatics 记录 2331-9291 2159-1210 ACM USA HK67 ACM SIGCAS 计算机和社会 0095-2737 ACM USA AO64 ACM SIGCOMM 计算机通信评论 0146-4833 1943-5819 ACM USA HK68 ACM SIGCSE 简报 0097-8418 ACM USA HK69 ACM SIGecom 交流 1551-9031 1551-9031 ACM USA HK70 ACM SIGEVOlution 1931-8499 ACM USA FN23 ACM SIGIR 论坛 0163-5840 1558-0229 ACM USA HK71 ACM SIGKDD 探索简报 1931-0145 1931-0153 ACM USA HK72 ACM SIGLOG 新闻 2372-3491 ACM USA FD38 ACM SIGMETRICS 绩效评估评审 0163-5999 1557-9484 ACM USA BH11 ACM SIGMIS 数据库：信息系统进步的数据库
质疑人工智能预测：影响力驱动的第二意见推荐
[1] Gagan Bansal、Besmira Nushi、Ece Kamar、Dan Weld、Walter Lasecki 和 Eric Horvitz。2019 年。人机协作团队向后兼容的案例。ICML 人机协作学习研讨会 (2019)。[2] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 CHI 计算机系统人为因素会议论文集上。1-16。 [3] Umang Bhatt、Javier Antorán、Yunfeng Zhang、Q Vera Liao、Prasanna Sattigeri、Riccardo Fogliato、Gabrielle Gauthier Melançon、Ranganath Krishnan、Jason Stanley、Omesh Tickoo 等人。2020 年。不确定性作为透明度的一种形式：测量、传达和使用不确定性。arXiv 预印本 arXiv:2011.07586 (2020)。[4] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。 [5] Rich Caruana、Yin Lou、Johannes Gehrke、Paul Koch、Marc Sturm 和 Noemie Elhadad。2015 年。医疗保健的可理解模型：预测肺炎风险和 30 天内住院率。第 21 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集。1721–1730。[6] R Dennis Cook。1986 年。局部影响力评估。皇家统计学会杂志：B 系列（方法论）48，2（1986 年），133–155。[7] Maria De-Arteaga、Artur Dubrawski 和 Alexandra Chouldechova。2021 年。利用专家一致性改进算法决策支持。arXiv 预印本 arXiv:2101.09648（2021 年）。 [8] Maria De-Arteaga、Riccardo Fogliato 和 Alexandra Chouldechova。2020 年。《人机交互案例：在存在错误算法评分的情况下做出决策》。2020 年 CHI 计算机系统人为因素会议论文集。1-12。[9] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法错误后会错误地避开算法》。《实验心理学杂志：综合》144, 1 (2015)，114。[10] Kelwin Fernandes、Jaime S Cardoso 和 Jessica Fernandes。2017 年。《具有部分可观测性的迁移学习应用于宫颈癌筛查》。《伊比利亚模式识别与图像分析会议》。Springer，243-250。 [11] Yarin Gal 和 Zoubin Ghahramani。2016 年。Dropout 作为贝叶斯近似：表示深度学习中的模型不确定性。在国际机器学习会议 (ICML) 中。1050–1059。[12] Ruijiang Gao、Maytal Saar-Tsechansky、Maria De-Arteaga、Ligong Han、Min Kyung Lee 和 Matthew Lease。2021 年。通过 Bandit 反馈实现人机协作。IJCAI (2021)。[13] Pang Wei Koh 和 Percy Liang。2017 年。通过影响函数理解黑盒预测。在第 34 届国际机器学习会议论文集-第 70 卷中。JMLR。org，1885–1894 年。[14] Himabindu Lakkaraju、Jon Kleinberg、Jure Leskovec、Jens Ludwig 和 Sendhil Mullainathan。2017 年。选择性标签问题：在存在不可观测因素的情况下评估算法预测。第 23 届 ACM SIGKDD 国际知识发现与数据挖掘会议论文集。ACM，275–284。
第 10 届电气工程与计算机系统与科学世界大会 (EECSS 2024) 论文集
Jennifer G. Dy 是马萨诸塞州波士顿东北大学电气与计算机工程系的全职教授，她于 2002 年首次加入该系。她分别于 1997 年和 2001 年获得印第安纳州西拉斐特普渡大学电气与计算机工程学院的硕士和博士学位，并于 1993 年获得菲律宾大学电气工程系的学士学位。她的研究涵盖机器学习的基础及其在生物医学成像、健康、科学和工程中的应用，研究领域包括无监督学习、可解释模型、可解释人工智能、降维、特征选择/稀疏方法、向不确定专家学习、主动学习、贝叶斯模型、深度表示学习、持续学习和可信赖人工智能。她是体验式人工智能研究所的人工智能教员主任。她还是机器学习实验室主任，也是东北大学 SPIRAL（信号处理、成像、推理和学习）中心的创始教员。她于 2004 年获得 NSF 职业奖。她曾担任或正在担任 ICML 董事会 (前身为国际机器学习学会) 秘书、《机器学习研究杂志》、《机器学习》杂志、《IEEE 模式分析与机器智能学报》副主编/编委会成员、机器学习、人工智能和数据挖掘顶级会议 (ICML、NeurIPS、ACM SIGKDD、AAAI、IJCAI、UAI、AISTATS、ICLR、SIAM SDM) 的组织和/或技术程序委员会成员、SIAM SDM 2013、ICML 2018、AISTATS 2023 和 AAAI 2024 的项目主席。她是 AAAI 研究员
kai-wei chang
[2] Hsiang-fu Yu，Cho-Jui Hsieh，Kai-Wei Chang和Chih-Jen Lin，当数据无法填充记忆中时，大型线性分类，第16届ACM SIGKDD国际知识发现与数据挖掘和数据挖掘的国际会议（KDD 2010）（KDD 2010），最佳研究论文，最佳研究论文，最佳研究论文。[3] Liunian Harold Li, Pengchuan Zhang, Haotian Zhang, Jianwei Yang, Chunyuan Li, Yiwu Zhong, Lijuan Wang, Lu Yuan, Lei Zhang, Jenq-Neng Hwang, Kai-Wei Chang , and Jianfeng Gao, Grounded Language-Image Pre-training, the Computer Vision and Pattern Recognition Conference (CVPR 2022）。最佳纸决赛入围者，在8161个提交中，有33名，最高0.4％[4] Kuan-Hao Huang，Varun Iyer，I.-Hung Hsu，Anoop Kumar，Kai-Wei Chang和Aram Galstyan。“ Paraamr：AMR反翻译的大规模句法释义数据集。”在计算语言学协会年度会议中（ACL 2023）。区域椅子奖（语义曲目中的顶纸）[5] Nikil Roashan Selvam，Sunipa Dev，Daniel Khashabi，Tushar Khot和Kai-Wei Chang。“尾巴摇晃狗：社会偏见基准的数据集建筑偏见。”在计算语言学协会年会（ACL Short）的年度会议中，2023年。杰出纸奖[6] Hritik Bansal，Yonatan Bitton，Idan Szpektor，Kai-Wei Chang和Aditya Grover。videocon：通过对比标题进行稳健的视频语言对齐。在计算机视觉和模式识别会议上（CVPR，2024）。在ICLR研讨会上有关基础模型数据问题的最佳纸张奖。[7] Pan Lu，Hritik Bansal，Tony Xia，Jiacheng Liu，Chunyuan Li，Hannaneh Hajishirzi，Hao Cheng，Kai-Wei Chang，Michel Galley和Jianfeng Gao。MathVista：评估视觉上下文中基础模型的数学推理。在国际学习表征会议上（ICLR，2024）。被选为口头（7,000份提交中的85个，前1.2％）[8] Hritik Bansal，Nishad Singhi，Yu Yang，Fan Yin，Aditya Grover和Kai-Wei Chang。“ CleanClip：减轻多模式对比学习中的数据中毒攻击。”在国际计算机愿景会议上（ICCV，2023）。为口头选择（在8088个意见中，有195个，前2.5％），ICLR的最佳纸张奖，涉及可信赖和可靠的大型机器学习模型。[9] Tao Meng，Sidi Lu，Nanyun Peng和Kai-Wei Chang。在神经信息处理系统中具有神经化甲骨文的可控文本生成（Neurips 2022）。被选为口头，201311年中有201名最高1.9％[10]洪川张，liunian Harold Li，Tao Meng，Kai-Wei Chang和Guy van den Broeck。“关于从数据中进行推理的悖论。”在人工智能国际联合会议中（IJCAI 2023）。ijcai-23中的前3个引用的论文[11] Sheng Shen，Liunian Harold Li，Hao Tan，Mohit Bansal，Anna Rohrbach，Kai-Wei Chang，Zhewei Yao和Kurt Keutz，Keurt Keutz，剪辑可以剪辑多少愿望和语言？国际学习代表会议（ICLR 2022）。iClr-22 [12] W. Ahmad，S。Chakraborty，B。Ray，K.-W。张。旨在进行程序理解和生成的预先培训。计算语言学协会北美分会（NAACL 2021），NAACL-21的前3个引用论文。太阳。[13] Z. Hu，Y。Dong，K。Wang，K.-W。 Chang和Y。gpt-gnn：图神经网络的生成预训练。ACM SIGKDD国际知识发现与数据挖掘会议（KDD 2020），在KDD-20的前10名引用论文。[14] M. Alzantot，Y。Sharma，A。Elgohary，B.-J。HO，M。Srivastava，K.-W。张。 生成自然语言对抗性示例。 自然语言经验方法会议HO，M。Srivastava，K.-W。张。生成自然语言对抗性示例。自然语言经验方法会议