您的位置
主页 > 热点专题 » 正文

这场NeurIPS 2019研讨会,让新人与Bengio等大佬面对面交流,还颁发了三项论文奖

来源:www.palidc.com 点击:814

随后,巴黎萨克莱大学教授伊莎贝尔古永(Isabelle Guyon)发表了开幕词。

托马斯迪特里希应邀出席,是本次活动的主旨发言人。他解释了如何进行机器学习研究,以及如何为新人写机器学习论文。此外,他还与新来者一起回顾了机器学习的发展历史,肯定了工程领域和交叉学科的进步对机器学习发展的影响。

在他的主旨演讲中,他还谈到了撰写机器学习论文的一些技巧,包括如何理解自己的研究与整体研究之间的关系,如何回顾现有的研究,以及如何撰写一篇好论文(包括批判性地吸收、回顾、总结相关研究、绘图等)。)。演讲期间,迪特里希还邀请观众参加小组讨论,使整个过程更具教育性。

下午圆桌讨论会上,多位高层导师同时出席,并与参加“快速融入机器学习领域”活动的新人进行了讨论和交流。

在圆桌论坛上,几位深入学习的丹尼尔分享了他们轻松的面对面交流,提出好的研究思路,做好研究,以及如何跟上快速发展的深入学习。当谈到如何获得好的研究想法时,萨米本吉奥说,不随大流是很重要的。如果有一个许多人都做过的研究方向和想法,这可能不是一个好主意。如果你想做不同的研究,你需要远离人群,提出新的想法。有时你可能需要不断提出新的想法,并寻求可靠的筛选建议。此外,雨果拉罗彻尔(Hugo Larochelle)强调选择他有热情的研究方向,并指出与不同研究兴趣的人交流也有助于发现你以前不知道但实际上令你着迷的方向,从而创造出新的东西。尼尔劳伦斯指出坚持的重要性。

当谈到什么是好论文或有价值的论文时,萨米本吉奥(Samy Bengio)指出,贡献最大的研究应该是有启发性的,可以达到更多的价值。例如,它可能导致新的问题,这些问题可以在一些研究方向上进一步构建,这些研究方向可以是理论的、经验的或任何能够实现这一点的贡献。王立伟从动机层面提出,如果你想为研究做出贡献,你需要做你认为“重要”的研究,而不是为了取悦评论者发表论文。谈到会议论文和期刊论文的投稿要求,杉山正史(Masashi Sugiyama)表示,一个好主意一般足以让会议论文发表,而期刊论文很容易需要一两年的时间,需要多个发现才能讲述一个完整的故事。

最佳论文奖

此活动还建立了一个特殊的论文提交链接,并选择了多个论文奖。根据主办方的要求,除参考资料外,提交的论文不得超过8页,也可使用篇幅较短但内容足够好的论文。投稿论文的第一作者之前未被神经科医师(主要会议)接受,并且可能不会在其他高层会议上被审查或接受。如果一篇论文以前被拒绝过,则应在提交给新的ML 2019之前进行修改。

新网在2019年收到的论文将由专业神经外科医生审查。如果审查通过,他们可以在研讨会上做讲座或海报展示,并期待辅导。同样重要的是要注意,提交的论文不是正式的神经网络项目论文,因此论文的作者可以稍后对其进行修改并提交给神经网络项目2020,并且在向其他顶级会议重新提交论文时应考虑这些会议的政策。

在80多份提交材料中,专业认证委员会筛选了12份口头报告和40多份海报论文,并在活动现场颁发了三项最佳论文奖,包括最具破坏性的创意、最佳科学内容和最佳口头报告。获得最佳论文奖的作者将有机会注册神经突起和申请旅行奖。

以下是获奖论文:

最具颠覆性的创意

2019年新创意最具颠覆性的创意奖是《Edge Contraction Pooling for Graph Neural Networks》,由德国慕尼黑工业大学的弗雷德里克迪尔(Frederik Diehl)撰写。

纸质链接:

一般来说,对图形神经网络(GNN)的研究主要集中在卷积层的改进上,而很少关注图形汇聚层的发展。但事实上,池层可以通过抽象一组节点而不是使用单个节点来使图形神经网络具有推理能力。在对图形神经网络研究的基础上,提出了一种新的基于边收缩概念的图形池层,它可以与图形神经网络相结合,提高节点分类和图形分类任务的准确性,适合大规模图形处理。

最佳科学内容)

获得2019年新最佳科学内容奖的论文是《Popularity Agnostic Evaluation of Knowledge Graph Embeddings》。作者是卡塔尔计算研究所的艾莎穆罕默德、沙米姆帕拉巴斯、若伊卡乌迪和阿什拉夫阿布勒纳加。艾莎穆罕默德(Aisha Mohamed)是QCRI的助理研究员。

第四范式主任杜维维当场授予艾莎穆罕默德最科学内容奖。

在本文中,作者特别强调了知识地图中实体和关系之间不平衡的现象。传统的评价指标如hits

k不能很好地处理这些偏差,因此作者提出了一种新的评价指标“strat-hits

k”,这是一种基于实体和关系流行程度的无偏评价指标。

最佳口头报告)

赢得2019年新最佳口头报告奖的论文是《Augmenting Learning Using Symmetry in a Biologically-inspired Domain》。作者分别是来自哈佛大学、谷歌和DeepMind的Shruti Mishra、Abbas Abdolmaleki、Arthur Guez、piotrochim和Doina Precup。Shruti Mishra博士在哈佛大学约翰保尔森工程和应用科学学院应用数学系学习。