神经网络和深度学习大会主席：Hal Daume III地点： Ballroom 1+2+Juliard10：30– 强类型递归神经网络 （Strongly-Typed Recurrent Neural Network）               David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学10：47– 源代码极端总结卷积关注网络 （A Convolutional Attention Network for Extreme Summarization of Source Code）               Miltiadis Allamanis 爱丁堡大学；Hao Peng 北京大学11：04– 问我任何事：自然语言程序动态记忆网络（Ask Me Anything: Dynamic Memory Networks for Natural Language Processing ）              Ankit Kumar、 Ozan Irsoy 、 Peter Ondruska、 Mohit Iyyer 、James Bradbury、 Ishaan Gulrajani、Victor Zhong、Romain Paulus   MetaMind公司11:40– 视觉动态记忆网络和文字问题问答（Dynamic Memory Networks for Visual and Textual Question Answering）              Caiming Xiong、Stephen Merity MetaMind公司11:57– 使用LSTM地区嵌入的监督和半监督文字分类 （Supervised and Semi-Supervised Text Categorization using LSTM for Region Embeddings）            Rie Johnson RJ调查咨询公司12：14– PHOG:代码概率模型 （PHOG: Probabilistic Model for Code）             Pavol Bielik、Veselin Raychev、Martin Vechev  苏黎世联邦理工学院增强式学习会议主席: Tom Erez地点: Ballroom 3+4 10:30 –  关于 蒙特卡洛树搜索复杂支撑战略的分析（On the Analysis of Complex Backup Strategies in Monte Carlo Tree Search）              Piyush Khandelwal、Elad Liebman 、Peter Stone U 德克萨斯大学奥斯汀分校10:47 –  随机化价值功能归纳和探索 （Generalization and Exploration via Randomized Value Functions ）             Ian Osband 、 Benjamin Van Roy 斯坦福大学；Zheng Wen Adobe 研究所11:04 – 增强式学习价值评估策略  （Doubly Robust Off-policy Value Evaluation for Reinforcement Learning）             Nan Jiang密歇根大学； Lihong Li 微软11:40 – 通过近似状态抽象的最优行为（Near Optimal Behavior via Approximate State Abstraction）            David Abel 、 David Hershkowitz、 Michael Littman 布朗大学11:57 –  增强式学习自由模式轨道优化 （Model-Free Trajectory Optimization\ for Reinforcement Learning ）              Riad Akrour 、 Gerhard Neumann 、 Hany Abdulsamad、Abbas Abdolmaleki 达姆施塔特工业大学12:14 –  政策优化自由模式限制学习（Model-Free Imitation Learning with Policy Optimization）              Jonathan Ho 、Jayesh Gupta、 Stefano Ermon 斯坦福大学会议主席：Lihong Li地点: Marquis03:40 – 指导成本学习： 通过策略最优化的深度逆向优化控制（Guided Cost Learning: Deep Inverse Optimal Control via Policy Optimization）            Chelsea Finn、 Sergey Levine 、Pieter Abbeel  加州大学伯克利分校03:57 –  在线后果预测的模仿学习 （Smooth Imitation Learning for Online Sequence Prediction）                Hoang Le、Andrew Kang、 Andrew Kang , Yisong Yue 加州理工学院04:14 –  基于模型积累的连续深度Q-Learning（Continuous Deep Q-Learning with Model-based Acceleration）              Shixiang Gu剑桥大学； Timothy Lillicrap Google DeepMind； Ilya Sutskever OpenAI； Sergey Levine 谷歌04:31 –  深度增强式学习的异步方法 （Asynchronous Methods for Deep Reinforcement Learning）              Volodymyr Mnih Google、Adria Puigdomenech Badia、Mehdi Mirza、Alex Graves 、Timothy Lillicrap、Tim Harley、David , Koray Kavukcuoglu 谷歌Deepmind会议主席: Tom Erez地点 ： Marquis05:10 –  通过高斯近似原理预测最大期待价值（Estimating Maximum Expected Value through Gaussian Approximation）             Carlo D’Eramo、 Marcello Restelli、 Alessandro Nuara 米兰理工大学05:27 – 增强式学习数据效率政策评估 （Data-Efficient Off-Policy Policy Evaluation for Reinforcement Learning）             Philip Thomas 、 Emma卡内基梅隆大学05:44 – 积累前景理论遇上增强式学习：预测和控制 （Cumulative Prospect Theory Meets Reinforcement Learning: Prediction and Control ）             Prashanth L.A、Cheng Jie, Michael Fu 、Steve Marcus马里兰大学06:01 – Softened Approximate Policy Iteration for Markov Games Maekov（对策软化近似战略迭代）Julien Pérolat、Bilal Piot 、Matthieu Geist 、Bruno Scherrer 、Olivier Pietquin里尔大学组合最优化会议主席: Andreas Krause地点: Marquis10:30 – 子模块功能概率的算法优化（Algorithms for Optimizing the Ratio of Submodular Functions ）             Wenruo Bai、Rishabh Iyer、Kai Wei、Jeff Bilmes 华盛顿大学10:47 – 水平扩展子模块最大化（Horizontally Scalable Submodular Maximization）             Mario Lucic 、Olivier Bachem 苏黎世理工学院；Morteza Zadimoghaddam 、Andreas Krause 谷歌研究院11:04 –  通过两层子模块最大化学习稀疏组合代表（Learning Sparse Combinatorial Representations via Two-stage Submodular Maximization）             Eric Balkanski 、Baharan Mirzasoleiman、Andreas Krause 、Yaron Singer 苏黎世理工学院11:40 – 速度限制子模块最大化：个性化数据总结（Fast Constrained Submodular Maximization: Personalized Data Summarization ）             Baharan Mirzasoleiman苏黎世理工学院； Ashwinkumar Badanidiyuru 谷歌研究院； Amin Karbasi 耶鲁大学11:57 – 困难排列问题的简单界约束解决方案（A Box-Constrained Approach for Hard Permutation Problems ）            Cong Han Lim 、Madison、Steve Wright 威斯康辛大学12:14 – 多序列比对和模体识别的凸面原子解决方案（A Convex Atomic-Norm Approach to Multiple Sequence Alignment and Motif Discovery）             Ian En-Hsu Yen 、Xin Lin 、Jiong Zhang 、Pradeep Ravikumar 特克萨斯大学奥斯丁分校无监督学习/表征学 会议主席: Jennifer Dy 地点: Lyceum10:30 – 非参数标准相关分析（Nonparametric Canonical Correlation Analysis）             Tomer Michaeli 以色列理工学院； Weiran Wang 、 Karen Livescu TTI Chicago10:47 – 信息筛（The Information Sieve）           Greg Ver Steeg、Aram Galstyan 信息科技研究所11:04 – 核心和距离矩阵平均值 （Gromov-Wasserstein Averaging of Kernel and Distance Matrices Gromov-Wasserstein）            Gabriel Peyré、Justin Solomon 京都Marco Cuturi11:40 – 反事实推理的学习代表（ Learning Representations for Counterfactual Inference）            Fredrik Johansson哥德堡科技大学；Uri Shalit 、David Sontag 纽约大学11:57 – 为什么正规化自动编码器学习稀疏表示？  （Why Regularized Auto-Encoders learn Sparse Representation?为什么正规化自动编码器学习稀疏表示？）            Devansh Arpit 、Yingbo Zhou、Hung Ngo、Venu Govindaraju 纽约州立大学12:14 – 随机森林砍伐的数据流异常检测（Robust Random Cut Forest Based Anomaly Detection on Streams）             Sudipto Guha 宾夕法尼亚大学； Nina Mishra、Gourav Roy Amazon、Okke Schrijvers 斯坦福大学分样/内核方法会议主席: Marius Kloft地点: Empire10:30 – 受限玻尔兹曼机和朋友的混合交替吉布斯采样法（Mixing Rates for the Alternating Gibbs Sampler over Restricted Boltzmann Machines and Friends ）              Christopher Tosh 加州大学圣地亚哥分校10:47 – 柔软拒绝采样 （Pliable Rejection Sampling）            Akram Erraqabi Inria、 Michal Valko、Alexandra Carpentier 、Odalric Maillard 欧洲北部里尔11:04 – 内核拟合优化检验（A Kernel Test of Goodness of Fit）             Kacper Chwialkowski 、Heiko Strathman、 Arthur Gretton、 Gatsby 伦敦大学学院11:40 – 拟合优度检验的Kernelized Stein差异（A Kernelized Stein Discrepancy for Goodness-of-fit Tests ）             Qiang Liu 、Jason Lee、 Michael 加州大学伯克利分校11:57 – 通过SALSA的高维非参数回归添加剂近似（Additive Approximations in High Dimensional Nonparametric Regression via the SALSA）            Kirthevasan Kandasamy、 Yaoliang Yu卡内基梅隆大学12:14 – 双非参数张量分解回归（Doubly Decomposing Nonparametric Tensor Regression）            Masaaki Imaizumi、Kohei Hayashi 东京大学稀疏和压缩传感大会主席：Gal Chechik地点: Soho10:30 – 数据缺失子空间聚类的信息理论要求（The Information-Theoretic Requirements of Subspace Clustering with Missing Data）            Daniel Pimentel-Alarcon 、Robert Nowak 麦迪逊大学10:47 – 稳健的边信息主成分分析（Robust Principal Component Analysis with Side Information）            Kai-Yang Chiang德州大学奥斯丁分校； Cho-Jui Hsieh加州大学戴维斯分校11:04 – 通过基础字典追踪的在线低秩子空间聚类（Online Low-Rank Subspace Clustering by Basis Dictionary Pursuit）            Jie Shen、Ping Li、Huan Xu 罗格斯大学11:40 – 可证明的非凸和离群值相位检索:中位数TruncatedWirtinger流（Provable Non-convex Phase Retrieval with Outliers: Median TruncatedWirtinger Flow）            Huishuai Zhan、Yingbin Liang 雪城大学； Yuejie Chi 俄亥俄州立大学11:57 – 估算结构向量自回归模型（Estimating Structured Vector Autoregressive Models）            Igor Melnyk、Arindam Banerjee 明尼苏达州12:14 – 关于低质矩阵估计更快的效率和Oracle财产 （Towards Faster Rates and Oracle Property for Low-Rank Matrix Estimati）             Huan Gui、Jiawei Han 伊利诺伊大学近似推理会议主席: Jon Mcauliffe地点: Liberty10:30 –分层变分模型（Hierarchical Variational Models）           Rajesh Ranganath , Dustin Tran 、Blei David 哥伦比亚大学10:47 – 变分分析随机梯度算法（A Variational Analysis of Stochastic Gradient Algorithms）             Stephan Mandt、Blei David哥伦比亚大学；Matthew Hoffman Adobe研究所11:04 – 黑盒α差异最小化 （Black-Box Alpha Divergence Minimization）            Jose miguel Hernandez-Lobato , Yingzhen Li、 Mark Rowland、Thang Bui、Daniel Hernandez-Lobato 、Richard Turner 剑桥大学11:40 – 蒙特卡罗目标变分推理（Variational Inference for Monte Carlo Objectives）            Andriy Mnih , Danilo Rezende 谷歌 DeepMind11:57 – 作为贝叶斯估计的Dropout：代表深度学习模块的不确定性（Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning） 作             Yarin Gal 剑桥大学12:14 – 辅助深度生成模型 （Auxiliary Deep Generative Models）             Lars Maaløe、Ole Winther 丹麦技术大学, Casper Kaae Sønderby 、Søren Kaae Sønderby 哥本哈根大学神经网络和深度学习I会议主席: Nicolas Le Roux地点: Ballroom 1+2+Juliard03:40 – 序列学习因式分解函数信念网络（Factored Temporal Sigmoid Belief Networks for Sequence Learning）           Jiaming Song清华大学； Zhe Gan、Lawrence Carin 杜克大学03:57 – 双向亥姆霍兹机器（Bidirectional Helmholtz Machines）            Jorg Bornschein、Samira Shabanian 、Asja Fischer 、Yoshua Bengio 蒙特利尔大学04:14 – 结构化和有效的变分矩阵高斯后验深度学习（Structured and Efficient Variational Deep Learning with Matrix Gaussian Posteriors ）            Christos Louizos、Max Welling 阿姆斯特丹大学04:31 – Dropout蒸馏（Dropout distillation）             Samuel Rota Bulò FBK, Lorenzo Porzi FBK, Peter Kontschieder 剑桥微软研究院 会议主席: Yoshua Bengio 地点: Ballroom 1+2+Juliard05:10 – 整流器网络的表达（Expressiveness of Rectifier Network）            Xingyuan Pan、Vivek Srikumar 犹他大学05:27 – 卷积整流器网络广义张量分解（Convolutional Rectifier Networks as Generalized Tensor Decompositions）            Nadav Cohen、Amnon Shashua Mobileye耶路撒冷希伯来大学05:44 – 深度卷积网络的点定量化（Fixed Point Quantization of Deep Convolutional Networks）            Darryl Lin、Sachin Talathi 高通研究所；Sreekanth Annapureddy NetraDyne公司06:01 –  CryptoNets:：将神经网络运用于高生产量和准确度的加密数据（CryptoNets: Applying Neural Networks to Encrypted Data with High Throughput and Accuracy ）               Ran Gilad-Bachrach、Nathan Dowlin Princeton、Kim Laine、Kristin Lauter、Michael Naehrig 、John Wernsing 微软研究所神经网络和深度学习II会议主席: Alexandru Niculescu-Mizil地点: Ballroom 3+403:40 – 图形嵌入半监督学习回顾（Revisiting Semi-Supervised Learning with Graph Embeddings ）             Zhilin Yang、William Cohen卡耐基梅隆大学Ruslan Salakhudinov 多伦多大学03:57 –  ADIOS: 输出空间架构深度（ADIOS: Architectures Deep In Output Space）             Moustapha Cisse 、 Maruan Al-Shedivat卡耐基梅隆大学； Samy Bengio 谷歌04:14 – 深度嵌入的无监督聚类分析（Unsupervised Deep Embedding for Clustering Analysis）            Junyuan Xie、Ali Farhadi 华盛顿大学； Ross Girshick Facebook；04:31 – 卷积神经网络图学习（Learning Convolutional Neural Networks for Graphs）             Mathias Niepert 、Mohamed Ahmed ；Konstantin Kutzkov NEC 欧洲实验室会议主席: David Sontag地点: Ballroom 3+405:10 –  多因子神经关注纠正预测（Correcting Forecasts with Multifactor Neural Attention ）             Matthew Riemer、 Aditya Vempaty、Flavio Calmon、Fenno Heath、Richard Hull、Elham Khabiri IBM05:27 – 神经网络元学习（Meta-Learning with Memory-Augmented Neural Networks Memory-Augmented）            Adam Santoro、Matthew Botvinick 、Daan Wierstra、Timothy Lillicrap 谷歌DeepMind Sergey Bartunov 高级经济学院05:44 – 简单算法的示例学习（Learning Simple Algorithms from Examples）             Wojciech Zaremba , Tomas , Armand Joulin , Rob Fergus Facebook AI研究所06:01 – 长短期记忆联想（Associative Long Short-Term Memory）              Ivo Danihelka 、Greg Wayne 、Benigno Uria 、 Nal Kalchbrenner 、Alex Graves 谷歌DeepMindVia:ICML@NYC 雷峰网原创文章，未经授权禁止转载。详情见转载须知。