我系研究成果入选NeurIPS Spotlight论文

发布时间:2019-09-06

近日,我系唐珂课题组一项研究成果(论文名:Optimal Stochastic and Online Learning with Individual Iterates)被机器学习领域顶级会议NeurIPS收录为Spotlight论文(2.97%)。 NeurIPS(Neural Information Processing Systems,神经信息处理系统大会)于1987年首次召开,每年一届,迄今已有33年的历史。根据最新公布的谷歌学术指标(Google Scholar Metrics,GSM)榜单,NeurIPS在人工智能类目中位列第一,h5指数为169。本次NeurIPS大会共收到创纪录的6743篇论文投稿,最终录用1428篇,论文录取率为21%。其中仅有Oral论文36篇,Spotlight论文164篇。

 

机器学习中模型的训练往往可转化为优化问题,随机优化算法提供了求解大规模优化问题的简单有效策略。求解速度和稀疏性是评价算法性能的两个重要指标。经典的随机优化算法需要牺牲稀疏性来实现最优求解速度,或者牺牲算法效率来实现稀疏性。研究团队对随机优化算法进行了精致的分析,提出了能够在保证模型稀疏性的同时实现最优求解速度的随机优化算法,并通过非平凡的理论分析和实验验证了算法的性能。

 

该论文由南方科技大学和香港城市大学合作完成,论文作者为:雷云文、杨鹏、唐珂和周定轩。

 

我系的另一篇NeurIPS2019论文由唐珂和姚新教授在英国伯明翰大学联合执导的博士生张良鹏为第一作者完成。这篇论文(Explicit Planning for Efficient Exploration in Reinforcement Learning) 提出了增强学习的新理论与算法框架。这是他们继NIPS2017之后的又一篇NIPS论文。

微信图片_20190906143809.png