XiaoMi-AI文件搜索系统
World File Search System信息处理系统
cv
2024 Conference on Neural Information Processing Systems Program Committee 2024 ICWSM: The International AAAI Conference on Web and Social Media Program Committee 2024 The Web Conference Program Committee 2024 ACM Conference on Fairness, Accountability, and Transparency Program Committee 2023 FAccTRec: Workshop on Responsible Recommendation Program Committee 2023 Conference on Neural Information Processing Systems Program Committee 2023 AAAI/ACM Conference on AI, Ethics, and Society Program Committee 2023 ACM公平，问责制和透明度计划委员会2023年网络会议计划委员会2022 ACM公平，问责制和透明度计划委员会会议2022 AAAI/ACM AAI/ACM关于AI，道德和社会计划委员会2022年神经信息处理系统计划委员会2022年自然语言程序委员会
杰森·帕切科
同行评审出版物 [1] E. Mohammadreza、J. Pacheco、W. Li、J. Lee Hu、H. Chen。“使用离散动作空间中的强化学习对静态恶意软件检测器进行二进制黑盒攻击。” IEEE S&P 深度学习和安全研讨会。2021 年 5 月。 [2] SJ Lee、D. Suri、P. Somani、CL Dean、J. Pacheco、R. Stoner、I. Perez-Arriaga、JW Fisher III、J. Taneja。“概率电力需求预测如何加速清洁可靠电力的普遍使用。” 能源促进经济增长。2021 年 [3] S. Zheng、DS Hayden、J. Pacheco、J. Fisher III。“具有可变成本结构的顺序贝叶斯实验设计。”神经信息处理系统进展。 2020 年。[4] DS Hayden、J. Pacheco、J. Fisher III。“使用李群动力学进行非参数对象和部件建模。”计算机视觉与模式识别会议。2020 年。[5] J. Belden、MM Mansoor、A. Hellum、SR Rahman、A. Meyer、C. Pease、J. Pacheco、S. Koziol 和 TT Truscott。“视觉如何控制密集骑行车队的集体行为。”皇家学会界面杂志。2019 年。[6] J. Pacheco 和 J. Fisher III。“序列决策的变分信息规划。”人工智能与统计国际会议。2019 年。[7] S. Zheng、J. Pacheco、J. Fisher III。“一种稳健的序列信息理论规划方法。”机器学习国际会议。 2018。[8] D. Milstein、J. Pacheco、L. Hochberg、J. Simeral、B. Jarosiewicz、E. Sudderth。“皮质内脑机接口的多尺度半马尔可夫动力学。”神经信息处理系统进展。2017。[9] J. Pacheco 和 EB Sudderth。“蛋白质、粒子和伪最大边际：一种子模块化方法。”国际机器学习会议。2015。[10] J. Pacheco、S. Zuffi、MJ Black 和 EB Sudderth。“保留模式和消息
电动汽车远程信息处理测量和验证
关键挑战在于远程信息处理数据质量的变异性。纯粹的制造商，例如特斯拉和里维安（Rivian），始终提供可靠的数据。与此同时，由于远程信息处理系统较少，建造电动汽车的传统汽车制造商表现出很大的空白。估计和更新电池容量大小假设和能量转换效率低下的额外复杂性。这项研究得出结论，远程信息处理是在样品级别计算电动电动机收取的可行替代品。但是，为了确保一致且公平的客户级计费，与汽车制造商合作以提高远程信息处理数据质量并开发更强大的算法以解决异常是至关重要的下一步。这些努力将支持更广泛的远程信息处理计费，从而为公用事业客户提供更有效，可扩展的电动汽车充电基础架构。项目目标以下是研究的项目目标：
cv.pdf div>
公共许可策略线性上下文匪徒托马斯·克莱恩·布宁（Thomas Kleine Buening），aadirupa saha，Christos dimitrakakis，Haifeng XU神经信息处理系统会议（Neurips），2024年，[PDF]，[PDF]逆增强的环境设计 2024, [pdf ] Bandits Meet Mechanism Design to Combat Clickbait in Online Recommendation Thomas Kleine Buening , Aadirupa Saha, Christos Dimitrakakis, Haifeng Xu International Conference on Learning Representations (ICLR), Spotlight Presentation , 2024, [pdf ] ANACONDA: An Improved Dynamic Regret Algorithm for Adaptive Non‑Stationary Dueling Bandits Thomas Kleine Buening，Aadirupa Saha人工智能与统计国际会议（AISTATS），2023年，[PDF] minimax -bayes辅助学习Thomas Kleine Buening*，Christos dimitrakakis*，Hannes Eriksson*，Hannes Eriksson*，Hannes Eriksson*，Divya Grover*，Divya Grove*，Emilio Jorge*国际人工智能和人工智能和统计局（A）
量子排队延迟 - WINS 实验室
引言 量子信息处理系统有可能引发下一次技术革命 [1]–[3]，实现量子通信 [4]–[7]、量子传感 [8]–[10]、量子计算 [11]–[15] 以及下一代定位、导航和授时 [16]–[18] 等各种应用。虽然量子网络的物理实现正在迅速发展 [19]–[22]，但对于物理层之外可靠高效传输量子信息所必需的操作策略的设计和分析知之甚少。特别是，量子数据的排队延迟，称为量子排队延迟 (QQD)，是量子网络信息传输的关键问题之一。与经典排队延迟相比，排队延迟对量子网络更为重要：量子态与环境相互作用，如果不按时传递，将会丢失大量信息 [23]–[25]。分析 QQD 的困难有两个方面。首先，可以说没有数学模型能够描述量子网络中的排队节点和排队过程。这样的模型必须与物理实现相符（例如，
量子排队延迟
引言 量子信息处理系统有可能引发下一次技术革命 [1]–[3]，实现量子通信 [4]–[7]、量子传感 [8]–[10]、量子计算 [11]–[15] 以及下一代定位、导航和授时 [16]–[18] 等各种应用。虽然量子网络的物理实现正在迅速发展 [19]–[22]，但对于物理层之外可靠高效传输量子信息所必需的操作策略的设计和分析知之甚少。特别是，量子数据的排队延迟，称为量子排队延迟 (QQD)，是量子网络信息传输的关键问题之一。与经典排队延迟相比，排队延迟对量子网络更为重要：量子态与环境相互作用，如果不按时传递，将会丢失大量信息 [23]–[25]。分析 QQD 的困难有两个方面。首先，可以说没有数学模型能够描述量子网络中的排队节点和排队过程。这样的模型必须与物理实现相符（例如，
Dung（Daniel）NGO先生Dung（Daniel）NGO先生
1。Ally Yalei du ∗，Daniel Ngo ∗和Zhiwei Steven Wu。对下游决策制定的模型多样性。国际学习表征会议（ICLR），2025。2。Xinyan Hu ∗，Daniel Ngo ∗，Zhiwei Steven Wu和Aleksandrs Slivkins。激励组合匪徒探索。神经信息处理系统（神经），2022。3。Daniel Ngo ∗，Giuseppe Vietri ∗和Zhiwei Steven Wu。在Linearmdp中，差异私人探索改善了遗憾。国际机器学习会议（ICML），2022年。4。Keegan Harris，Daniel Ngo ∗，Logan Stapleton *，Hoda Heidari和Zhiwei Steven Wu。战略工具变量回归：从战略反应中恢复因果关系。国际机器学习会议（ICML），2022年。5。Daniel Ngo ∗，Logan Stapleton ∗，Vasilis Syrgkanis和Zhiwei Steven Wu。使用算法仪器激励探索。机器学习国际会议（ICML），2021。
Xiang Li (李祥)
1。x li，j ding，m elhoseiny。vrsbench：一种多功能视觉语言基准数据集，用于遥感图像理解。神经信息处理系统（NERUIPS）的第三十八大会，2024年。pdf 2。m艾哈迈德，X li，M Elhoseiny。3DCOMPAT200：用于组成识别的语言扎根大规模3D视觉数据集。第三十八届神经信息处理系统会议（Neruips），2024年。3。x li†，Jian ding†，Z Chen，M Elhoseiny。uni3dl：3D和语言理解的统一模型。欧洲计算机视觉会议（ECCV）2024。PDF 4。J Chen，D Zhu，X Shen，X Li，Z Liu，P Zhang，R Krishnamoorthi，V Chandra，Y Xiong，M Elhoseiny。迷你v2：大型语言模型作为视觉多任务学习的统一接口。arxiv。PDF 5。D Zhu，J Chen，X Shen，X Li，M Elhoseiny。Monigpt-4：使用先进的大语言模型来增强视力语言理解。国际学习表征会议（ICLR）2024（> 24K在GitHub开始）。PDF 6。J Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。 视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。 PDF 7。 f khan†，X li†，一座寺庙，M elhoseiny。 渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。 国际计算机视觉会议（ICCV），2023年。 PDF 8。 pdfJ Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。PDF 7。f khan†，X li†，一座寺庙，M elhoseiny。渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。国际计算机视觉会议（ICCV），2023年。PDF 8。pdfX Shen，X Li，M Elhoseiny。MASTGAN：具有时间运动风格的视频，IEEE计算机视觉和模式识别会议（CVPR），2023年。
Manish Raghavan
1。N. Dalvi，M。Olteanu，M。Raghavan和P. Bohannon。 重复数据库。 in proc。 第23届国际世界网络会议。 2014年4月2。 J. Kleinberg，S。Oren和M. Raghavan。 为当前有偏见的精致代理计划问题。 in proc。 第17届ACM经济学和计算会议。 2016年7月3. J. Kleinberg，S。Mullainathan和M. Raghavan。 在风险评分的公平确定中固有的权衡。 在理论计算机科学会议的第八届创新中。 2017年1月4。 M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。N. Dalvi，M。Olteanu，M。Raghavan和P. Bohannon。重复数据库。in proc。第23届国际世界网络会议。2014年4月2。J. Kleinberg，S。Oren和M. Raghavan。 为当前有偏见的精致代理计划问题。 in proc。 第17届ACM经济学和计算会议。 2016年7月3. J. Kleinberg，S。Mullainathan和M. Raghavan。 在风险评分的公平确定中固有的权衡。 在理论计算机科学会议的第八届创新中。 2017年1月4。 M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，S。Oren和M. Raghavan。为当前有偏见的精致代理计划问题。in proc。第17届ACM经济学和计算会议。2016年7月3.J. Kleinberg，S。Mullainathan和M. Raghavan。 在风险评分的公平确定中固有的权衡。 在理论计算机科学会议的第八届创新中。 2017年1月4。 M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，S。Mullainathan和M. Raghavan。在风险评分的公平确定中固有的权衡。在理论计算机科学会议的第八届创新中。2017年1月4。M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。M. Olteanu，N。Dalvi和M. Raghavan。识别与位置存储的物理位置相关的描述性术语。在美国专利号9613054。2017年4月5。J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，S。Oren和M. Raghavan。有多种偏见。in proc。第18届ACM经济学和计算会议。2017年6月6日。G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。公平和校准。in proc。第31届神经信息处理系统会议。2017年12月7.J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，M。Raghavan。在存在隐性偏见的情况下选择问题。在理论计算机科学会议的第9创新中。2018年1月8.M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。M. Raghavan，A。Anderson，J。Kleinberg。映射在线政治互联行动的调用结构。in proc。第27届国际世界网络会议。2018年4月9.M. Raghavan，A。Slivkins，J。W。Vaughan，Z。S. Wu。 探索的外部性以及数据多样性如何有助于剥削。 在学习理论会议上。 2018年7月10. M. Raghavan，M。Purohit，S。Gollapudi。 在不确定性下雇用。 在国际机器学习会议上。 2019年6月11. M. Raghavan，S。Barocas。 减轻算法招聘中偏见的挑战。 在布鲁金斯统治中。 2019年12月M. Raghavan，A。Slivkins，J。W。Vaughan，Z。S. Wu。探索的外部性以及数据多样性如何有助于剥削。在学习理论会议上。2018年7月10.M. Raghavan，M。Purohit，S。Gollapudi。 在不确定性下雇用。 在国际机器学习会议上。 2019年6月11. M. Raghavan，S。Barocas。 减轻算法招聘中偏见的挑战。 在布鲁金斯统治中。 2019年12月M. Raghavan，M。Purohit，S。Gollapudi。在不确定性下雇用。在国际机器学习会议上。2019年6月11.M. Raghavan，S。Barocas。减轻算法招聘中偏见的挑战。在布鲁金斯统治中。2019年12月