NIPS 2018 接收论文情况盘点:谷歌一骑绝尘,微软朱泽园中四篇一作

NIPS大会接收论文哪家强?本文对今年的NIPS 会议论文接收情况进行了梳理。

9 月 4 日,人工智能顶级会议 NIPS 2018 开放注册,结果 11 分钟大会门票就被抢光,这次事件引发了人们的关注。与此同时,大会官方也邮件通知了投稿者论文接收结果。据了解,NIPS 2018 共收到 4856 篇投稿,创历史最高记录,最终录取了 1011 篇论文,其中 Spotlight 168 篇 (3.5%),oral 论文 30 篇 (0.6%)。

(非官方)论文列表地址:https://gaxler.github.io/nips18/

近日,网友 @ link_pad 对 NIPS 2018 大会放出的接收论文进行了分析。哪家公司、哪所学校的被接收论文最多?哪个作者成为了本次大会中论文数量的赢家?本文带你一探究竟。

业界

谷歌在人工智能方面的研究可谓一骑绝尘,它在 NIPS 2018 上的接收论文数量为 107 篇,竟占到了大会所有接收论文数量的 10.5%。这一数量相比去年的 60 篇又有了很大提升,看来其他公司目前还难以撼动它的位置。在谷歌之后是微软和 DeepMind,它们各自的贡献不到谷歌的一半。另一方面,腾讯 AI Lab 有 17 篇论文入选,CMU 邢波教授的创业公司 Petuum 也有 8 篇论文入选。

学界

去年,卡耐基梅隆大学(CMU)曾以 48 篇论文成为了学界第一名,今年的前三位学校没变,顺序却有了变化:麻省理工学院(MIT)以 68 篇论文成为了学术机构的 NIPS 2018 接收论文数量第一名,紧随其后的是斯坦福大学和 CMU。在国内大学中,清华大学有 21 篇论文入选,排名第十位。

教授与科学家

在个人统计中,几位著名学者占据了论文作者的前列。其中,来自 MIT 的脑科学和认知科学教授 Josh Tenenbaum 以 10 篇论文的数量成为第一。来自 UC Berkeley 的机器学习泰斗 Michael Jordan、UC Berkeley 教授 Sergey Levine,以及 CMU 教授邢波紧随其后,他们均有 8 篇论文入选。

如果只看第一作者的话,排名第一的是微软的研究科学家朱泽园(Zeyuan Allen-Zhu),他作为第一作者所投的 6 篇论文中有 4 篇入选了本届 NIPS 大会,可谓高产。此外,南京大学计算机科学与技术系副教授张利军共有3篇论文被本次大会接收,其中作为一作的论文有2篇。

朱泽园博士 2015 年毕业于 MIT,本科毕业于清华大学(数学和物理学位)。他曾在普林斯顿大学攻读博士后,并于 2017 年加入微软,成为 Redmond 机器学习和优化研究组的成员。

朱泽园博士致力于机器学习和优化的数学基础研究,并将其应用于深度学习、理论计算机科学、运筹学和统计学当中。

更「严格」的筛选

如果把被接收论文机构排名的标准设置为「仅看第一作者」,谷歌仍然是所有公司中的第一名,而谷歌旗下的 DeepMind 则位列第二。

此外,只看第一作者时,斯坦福大学成为了学术机构的第一名,清华大学有 17 篇论文,排名第 7,而香港中文大学(CUHK)有 11 篇论文。

有关去年 NIPS 2017 大会的统计分析,请参阅:《刚刚结束的 AI 盛会 NIPS 2017 上,你需要知道的所有细节 》

参考链接:https://threadreaderapp.com/thread/1039352666999214082.html?refreshed=yes

理论论文NIPS 2018
1
相关数据
Petuum机构

Petuum is a software infrastructure and ecosystem provider that enables AI for enterprise. Petuum’s operating system gives users a single platform to build any Machine Learning or Deep Learning application using large amounts of data, and deploy it at scale on any hardware – such as workstations, datacenters, the internet of things, and edge computing.The Petuum development platform and gallery of AI building blocks work with any programming language and any type of data, allowing managers and analysts to quickly build AI applications without any coding, while engineers and coders can further re-program applications as needed. With Petuum, many AI applications and hardware can be created and managed from a single laptop or terminal, driving higher productivity, better service, lower costs, and faster delivery. By standardizing AI solutions, Petuum lowers the barrier to AI adoption and allows for the integration of AI into every industry.

https://www.petuum.com/
邢波人物

卡内基梅隆大学计算机科学学院教授,机器学习系副主任,专攻机器学习、计算生物学和统计方法等方向。他与合作者开发了Petuum平台,利用工作站、分布式计算机、移动设备或嵌入式设备来解决大型机器学习的问题。2016年11月,邢波创立Petuum公司,担任CEO和首席科学家。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

运筹学技术

运筹学,是一门应用数学学科,利用统计学和数学模型等方法,去寻找复杂问题中的最佳或近似最佳的解答。运筹学经常用于解决现实生活中的复杂问题,特别是改善或优化现有系统的效率。研究运筹学的基础知识包括矩阵论和离散数学,在应用方面多与仓储、物流等领域相关。因此运筹学与应用数学、工业工程专业密切相关。

推荐文章
暂无评论
暂无评论~