大四本科生入选人工智能顶会ICLR2020，华人学者在线解读入选文章

焦点A类是第8届国际学习者代表大会（ICLR 2020）于2020年4月26日至30日在云端举办

ICLR的全称是International Conference on Learning Representations（简称ICLR），它是一个专注于学习表征的国际会议。该会由三位在深度学习领域具有重要影响力的学者中的两位Yoshua Bengio和Yann LeCun所领导并创建于2013年。自成立以来广为人所接受，并被誉为"机器学习领域最顶尖的会议之一"。

ICLR也被视为人工智能领域的重要专业会议。它以其在人工智能、统计学与数据科学、机器视觉以及计算生物学等多个交叉领域的前沿研究而闻名于世，并涵盖了语音识别、游戏开发、机器人技术以及自然语言处理等多个创新方向的研究成果

ICLR 2020定于2020年4月26日至30日在埃塞俄比亚举办，这是非洲大陆首次举办的一次大型人工智能盛会，在 Considering 疫情影响的大背景下 ICML 2020组委会决定将本次会议全部改为线上直播形式以实现"云端参与"的技术交流活动 AI 研习社已邀请入选此次会议的所有中国学者进行在线论文解读 趣味十足的内容不容错过！（论文合集我们将于下期呈现给大家请记得持续关注哦！）

论文接收情况

本次会议共接收论文2594篇，在线提交系统收到来稿687份稿件，并计算得出其论文接收率约为26.48%。从图表中可以看出：投稿总数持续增长，在过去几年中呈现出逐年递增的趋势；其中，在2020年呈现了显著的增长态势；与此同时被录取数量呈现出上升的趋势但增幅相对较小；由此可知 今年的论文接收率较往年有所下降

论文解读

讲者： 吴同，

华盛顿大学圣路易斯分校大四本科生

研究方向：对抗机器学习

Defending Against the Physical Realization of Attacks in Image Classification
作者： Tong Wu, Liang Tong等

论文简介：

视频链接： https://mooc.yanxishe.com/course/768/learn?lessonid=3239#lesson/3239

讲者： 杨宇喆

MIT计算机科学与人工智能实验室博士生

研究方向：无线感知和机器学习

This paper explores the integration of structures in value-based planning and reinforcement learning approaches. 作者： Yuzhe Yang, Guo Zhang, Zhi Xu等

论文简介：

注：主要改动说明

视频链接： https://mooc.yanxishe.com/course/791/learn?lessonid=3302#lesson/3302

讲者： 朱胜宇

华为诺亚方舟实验室Senior Researcher

美国雪城大学电子与计算机工程博士

Causal Discovery with Reinforcement Learning 作者： Shengyu Zhu, Ignavier Ng等
论文简介： 识别变量间存在的因果关系网络是一个基础性问题，在诸多经验科学领域中均具有重要意义。传统的基于分数的方法主要通过局部启发式策略进行搜索，在这些方法中以贝叶斯分数为例，在无限样本量下并假设模型正确的情况下可以获得令人满意的结论[1]。然而在实际应用中由于数据量有限且可能存在违反假设的情况[2] ，这些传统方法往往难以达到理想效果。针对上述问题我们提出了一种全新的框架即基于强化学习的方法来实现最优DAG结构搜索[3] 。该框架的核心在于设计一个能够有效结合数据特征与模型约束的新奖励函数并在此基础上构建高效的图生成模型[4] 。具体而言我们的图生成模型采用编码器-解码器架构以观测数据为基础生成候选图邻接矩阵并将其作为计算奖励的关键输入指标同时对两个强制不对称的惩罚项进行了整合最终将问题转化为最大化期望回报的过程[5] 。值得注意的是与现有的以策略为导向的强化学习方法不同我们在此过程中直接输出目标图结构而非中间状态或动作序列因此所得结果更具可解释性与适用性实验表明该框架不仅能在复杂场景下展现出强大的搜索能力而且在满足约束条件下的适应性也得到了充分验证其在因果推断领域的应用前景值得期待

视频链接： https://mooc.yanxishe.com/course/784/learn?lessonid=3286#lesson/3286

讲者： 赵晗

卡内基梅隆大学机器学习系博士

Conditional Learning of Fair Representations

作者： Han Zhao, Amanda Coston等

论文简介：

视频链接：

https://mooc.yanxishe.com/course/782/learn?lessonid=3283#lesson/3283