Toward Theoretical Understanding of Deep Learning: Slides and Bibliography
Toward theoretical understanding of deep learning Sanjeev Arora Optimization Ge, Huang, Jin, Yuan COLT 2015. "Evading saddle points: online stochastic gradient descent for tensor decomposition." Jin, Ge, Netrapalli, Kakade, Jordan ICML'17. How to escape saddle points efficiently. Blog post. 2nd order black box methods for deep learning. Paper 1 by Agrarwal et al and Paper 2 by Carmon et al. Blog
Learning with Temporal Point Processes
In recent years, there has been an increasing number of machine learning models, inference methods and control algorithms using temporal point processes (TPPs). They have been particularly popular for understanding, predicting, and enhancing the functioning of social and information systems, where they have achieved unprecedented performance. This tutorial aims to introduce temporal point processe
New Frontiers of Automated Mechanism Design for Pricing and Auctions
New Frontiers of Automated Mechanism Design for Pricing and AuctionsMaria-Florina Balcan, Tuomas Sandholm, and Ellen Vitercik Mechanism design is a field of game theory with significant real-world impact, encompassing areas such as pricing and auction design. Mechanisms are used in sales settings ranging from large-scale internet marketplaces to the US government's radio spectrum reallocation effo
ICML Beijing
Cycle I proceedings are available at http://jmlr.org/proceedings/papers/v32/. A Discriminative Latent Variable Model for Online Clustering Rajhans Samdani, Kai-Wei Chang, Dan Roth [abs][pdf][supplementary] Kernel Mean Estimation and Stein Effect Krikamol Muandet, Kenji Fukumizu, Bharath Sriperumbudur, Arthur Gretton, Bernhard Schoelkopf [abs][pdf][supplementary] Demystifying Information-Theoretic
ICML読み会2013 で発表してきました - kisa12012の日記
先日行われたICML読み会2013で発表してきました．主催者の @sla さん，会場提供をして頂いた中川先生，および読み会を盛り上げて頂いた他発表者・参加者の皆様ありがとうございました！やはり論文読み会は刺激的で非常に楽しいひとときが過ごせました． これからも定期的に論文読み会が開催されるとの事なので，これからも楽しみですね．（KDD読み会とかNIPS読み会とか？） 自分は"Large-Scale Learning with Less RAM via Randomization"という論文の紹介を行いました．発表資料を以下に載せておきます． ICML2013読み会 Large-Scale Learning with Less RAM via Randomization from Hidekazu Oiwa 論文の概要は， "そもそも重みベクトルの値を格納するのにfloat型が本当に必要なの
ICML2013読み会を開催しました - Preferred Networks Research & Development
夏ですね。暑いですね。比戸です。 先月開かれた機械学習のトップ会議ICML2013の論文読み会を開催しました。本会議に参加したPFIメンバーがいたので、せっかくだからと外部公開にしたところ、想像以上の盛り上がりとなりました。 1週間前というかなり無理なスケジュールで募集をかけたにも関わらず、読む人枠は瞬時に埋まり、聞く人の数も予想を大きく超え合計40名と弊社オフィスでは収まらなくなったため、東大の中川先生にお願いして場所をお貸し頂きました。ありがとうございました。 平日夜18時から22時という時間にもかかわらず濃密なガチ発表が続き、とても有意義な情報共有・質疑が出来たのではないかと思います。ここ1-2年このような論文読み会の機会が減っていると感じていたので、今後も継続的に開催出来ればと思います。 発表者の皆さんもかなり資料をSlideshareに上げてくださったのでせっかくなのでここにまと
ICML2013読み会 Local Deep Kernel Learning for Efficient Non-linear SVM Prediction
ICML2013読み会 Local Deep Kernel Learning for Efficient Non-linear SVM Prediction
論文紹介 Fast imagetagging
This document summarizes a research paper titled "Fast Image Tagging" presented at ICML2013. The paper proposes a new method called FastTag that can quickly and accurately tag images with relevant keywords. FastTag learns a mapping from image features to a completed tag set by simultaneously training two classifiers - one to predict the complete tag set from images, and another to enrich existing
ICML2013読み会 ELLA: An Efficient Lifelong Learning Algorithm
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...Yuya Unno
どんなデータでも(※)線形分離可能にしてしまう技術，Vanishing Component Analysis(ICML 2013)を紹介してきました - a lonely miner
急に蒸し暑くなってきましたね．でぶちんなのでけっこうこたえます．タイトルはちょっと釣り気味．ビビっと来た方は是非論文に目を通してみてください:) 例によって，仲間内でやっている小さな勉強会で論文紹介をしてきましたので，そのご紹介です．ぼくの専門というか興味の中心は自然言語処理なので，ふだんはそっち方面を追っているのですが，勉強会では機械学習方面を中心にいろいろ読んでみてます． 今回は岡野原さんのこのツイートで興味を持った以下の論文を読ませていただきました．名前もかっこいい．ヴァニッシングコンポーネントアナリシス！ ICML2013のbestpaper。データ中の集合（例えば画像中の8の字など）が0になるような生成多項式を求める（=集合のコンパクトな表現）効率的なアルゴリズムを提案し教師有学習時の特徴生成などに使える。すごい http://t.co/DedSoyLaJR — 岡野原 大輔 (
ICML2013読み会に参加して発表してきました - シリコンの谷のゾンビ
ICML2013読み会に参加して発表してきました．幹事の @sla さん，会場提供してくださった東大中川先生，発表者，参加者のみなさまに改めてお礼申し上げます． タイムテーブルは以下のとおり． 18:00-18:20 @sla : "Learning Spatio-Temporal Structure from RGB-D Videos for Human Activity Detection and Anticipation" 18:20-18:40 @beam2d: "Local Deep Kernel Learning for Efficient Non-linear SVM Prediction" 18:40-19:00 @conditional: "Vanishing Component Analysis" 19:00-19:20 @jkomiyama_ : "Active Le
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ICML Lille
ICML 2014 Tutorial on Frank-Wolfe and Greedy Optimization for Learning with Big Data
ICML 2013 Papers