ICML 2019必看！87页超强干货博士笔记总结

　　

　　来源：David Abel

　　编辑：元子

　　【新智元导读】ICML 2019共收到3424篇有效投稿论文，接收率为 22.6%。这篇87页、由布朗大学博士四年级学生David Abel总结整理的ICML 2019参会Highlights笔记，提炼了演讲和会谈亮点，通篇干货！

　　6月9日至15日，ICML 2019（国际机器学习大会）于美国加州举行。本届大会共收到3424篇有效投稿论文，最终收录774篇，接收率为 22.6%，低于去年接收率25%（ICML 2018共收到2473篇有效投稿论文，最终收录论文621篇）。

　　

　　提交论文最多的子领域分别是：深度学习、通用机器学习、强化学习、优化等

　　论文数量排名前五的公司分别是谷歌、谷歌大脑、微软、DeepMind、Facebook，论文数量分别为：82、42、35、29、23。最终谷歌独揽153篇，成为ICML论文收录第一。

　　中国公司中腾讯被收入10篇，阿里被收录5篇，百度1篇。

　　学校方面，排名前五的是：MIT 47篇、UCBerkeley 45篇、斯坦福大学40篇、CMU35篇、佐治亚理工学院24篇。

　　中国高校也有4所进入Top 50，分别是：清华大学15篇，北京大学11篇，南京大学8篇，香港中文大学7篇。

　　

　　接收论文列表：

　　https://icml.cc/Conferences/2019/AcceptedPapersInitial

　　那么ICML 2019会场都有谁上台演讲了？他们都讲了什么？下面新智元为大家带来一份87页的ICML 2019会议的Highlights笔记，由布朗大学博士四年级学生David Abel总结整理，通篇干货。

　　

　　David个人主页：

　　https://david-abel.github.io/

　　这份笔记共分为2个部分，首先简单介绍了大会的亮点；接着介绍了大会每天的主会场和Workshop。

　　

　　

　　接下来新智元为大家介绍部分笔记内容，完整笔记内容链接在文末。

　　ICML 2019亮点：探索和气候变化成为热门，急需标准化评估强化学习

　　关于政策外评估和非政策学习的大量工作，这些问题设置非常重要，因为作者（和许多其他人）预计强化学习应用程序将伴随来自次优策略的大量数据

　　探索再次成为热门话题，除了政策外评估（以及其他一些评估），这是强化学习的基本问题之一，现在处于有利地位，可能取得重大进展

　　一些非常好的工作继续阐明分布式强化学习

　　气候变化研讨会的人工智能非常出色，并且参加人数非常多。机器学习工具在目前的形式下可以非常有效的对气候变化有所帮助

　　作者认为需要标准化评估强化学习。并非只考虑一种方法实现这一目标，或者只需要一个域，不过目前评估协议的差异太大

　　最佳论文演讲：挑战无监督解耦表示中的常见假设

　　这是一篇大规模深入研究无监督解耦表示(Disentangled Representation)的论文，对近年来绝大多数的非监督解耦表示方法进行了探索、利用2.5GPU年的算力在7个数据集上训练了12000多个模型。

　　

　　基于大规模的实验结果，研究人员对这一领域的一些假设产生了质疑，并为解耦学习的未来发展方向给出了建议。

　　此外，研究人员还同时发布了研究中所使用的代码和上万个预训练模型，并封装了 disentanglement_lib 供研究者进行实验复现和更深入的探索。

　　最佳论文的作者作者：Francesco Locatello, Stefan Bauer, Mario Lucic, Gunnar R?tsch, Sylvain Gelly, Bernhard Sch?lkopf, Olivier Bachem等来自苏黎世联邦理工学院 (ETH Zurich)、MaxPlanck 智能系统研究所及谷歌大脑。

　　 

　　 

　　 

　　本文首发于微信公众号：新智元。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。

　　（责任编辑：季丽亚 HN003）