0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

NeurIPS2018开幕,上海交通大学Acemap团队分析了NeurIPS2018的所有论文

DPVg_AI_era 来源:lq 2018-12-04 09:18 次阅读

NeurIPS2018今天开幕,上海交通大学Acemap团队分析了NeurIPS2018的所有论文,发现前十名的几乎全是美国机构,清华、中科院、北大是发表NeurIPS论文最多的中国机构,邢波、张潼、周明远等排名前十。

NeurIPS2018来了!

神经信息处理系统大会(原名 Neural Information Processing Systems,NeurIPS)是人工智能机器学习领域最重要的盛会,自 1987 年诞生起,这一学术会议已经走过了30余年的历史。

在中国计算机学会的国际学术会议排名中,NeurIPS为人工智能领域的A类会议。今年的大会在加拿大城市蒙特利尔举行,12月3日开幕。

上海交通大学Acemap团队分析了NeurIPS2018的所有论文1010篇,对2018年、近三年、近五年学者、机构和国家分别以第一作者身份以及合作者身份在该会议中发表论文情况进行了统计,有一些比较重要的发现:

今年会议发表论文的前10名中几乎都是美国机构,可见美国在该领域的绝对领先地位;

NeurIPS十年话题演变反映业界趋势;

Eric Xing(邢波)在NeurIPS2018会议中发表论文数量排名第二;

清华、中科院、北大是发表NeurIPS论文最多的中国机构。

机构统计:谷歌、MIT、斯坦福连续领跑前三强

NIPS2018 Affiliation Statistics统计了2018年、近三年、近五年各机构在NeurIPS会议中发表论文数量排名,下图展示了2018年排名前十的机构及论文发表数量(包含第一作者和非第一作者):

统计显示,前10名中有Google、Microsoft和Facebook三所来自工业界的机构,尤其是第一名Google发表了136篇论文之多。而且,微软作为第一作者发表的论文数量也有57篇之多(见Acemap官网)。可见Google在机器学习领域具有巨大的影响力。

同时,我们也看到前10名中几乎都是美国机构,可见美国在该领域的绝对领先地位。

时间线拉长到三年,前三名依旧是谷歌、MIT和斯坦福:

近五年内的前三名仍旧是这三位玩家,在此就不截图了,欲了解2018年、近三年、近五年仅包含第一作者/所有作者包含在内的机构统计,请至Acemap官网:

https://acemap.info/ConferenceStatistics/AuthorAffiliationRank?conf_name=NIPS&conf_year=2018&type_of_ranking=Affiliation

对于谷歌,Acemap团队也统计了该机构历年在NeurIPS论文发表情况,如下图所示:

其中,纵轴代表年份,横轴代表该机构发表的论文数。红色为第一作者身份发表的论文数。黑色位非第一作者身份发表的论文数。

同时,还统计了该机构内以第一作者身份/非第一作者身份发表的论文数最多的作者。

上图可以看到,谷歌公司以第一作者身份发表论文数最多的几个作者是:

Corinna Cortes

Jeffrey Pennington

Samy Bengio

Oriol Vinyals

作者统计:邢波、张潼、周明远等进入前十

NeurIPS2018 Author Statistics统计了2018年、近三年、近五年各作者在NeurIPS会议中发表论文数量排名(包含所有作者/仅包含第一作者),下图展示了2018年排名前十的作者及论文发表数量(包含所有作者):

从上图可以看到,前三名分别是Josh Tenenbaum、Eric Xing(邢波)、Michael Jordan。

前十名中,华人学者有Eric Xing(邢波)、Tong Zhang(张潼)、Honglak Lee、Mingyuan Zhou(周明远)。

以上仅展示2018年排名前十的作者(包含所有作者),2018年、近三年、近五年详细排名(包含所有作者/仅包含第一作者)请浏览网址:

https://acemap.info/ConferenceStatistics/AuthorAffiliationRank?conf_name=NIPS&conf_year=2018&type_of_ranking=Author

另外,NeurIPS十年的接受率、投稿量、中稿量也进行了统计,如下图所示:

其中,绿色为投稿量,紫色为中稿量,曲线代表接受率。我们可以看到,2018年投稿量为4856,远大于2017年的3240和2016年的2403。

详细请查看:

https://acemap.info/ConferenceStatistics/acceptance_rate?conf_name=NIPS&conf_year=2018

我们提取了NeurIPS 2009-2018十年的摘要信息,利用word embedding算法将关键词映射到向量空间,然后进行聚类。对每一个聚类赋予相应的话题,总体上分为图中六大类。图中横轴代表年份,纵轴代表话题所占比例,从图中可以看到六大话题十年间的演变趋势。

我们从五个维度对每篇论文进行了相似论文推荐,形成论文推荐矩阵。这些维度包括最新、同会议、最相关、被引用数最多和导读类论文,这种多维度推荐能够满足不同用户的不同需求。AceMap针对NeurIPS 2018各篇论文的相似论文推荐页面如下如所示:

详细页面可通过点击阅读原文访问官方主页,并点击论文标题访问。

国家分布统计:中国第二;清华、中科院、北大排前三

NeurIPS 2018 Affiliation Distribution统计了2018年发表NeurIPS论文的机构所在国家的分布情况,目前只统计了发表论文数量前十位的国家,以及每个国家所发表论文的数量和比例分布情况。

前十名的国家:美国、中国、法国、英国、加拿大、瑞士、德国、韩国、澳大利亚、日本。

中国出现的机构排名:

清华、中科院、北大、南京大学、华为、北京邮电大学、天津大学、西安电子科技大学、浙江大学。

作者关系图

Acemap团队分别对2018年在NeurIPS发过论文的作者、以及所有在NeurIPS发过论文的作者画了关系图。2018年在NeurIPS发过论文的作者如下所示(截图部分)。其中,点的大小代表2018年在NeurIPS发的论文数多少。点之间的连线代表coauthor关系。

把图片放大了,可以看到Josh Tenenbaum的关系图:

此外,对NeurIPS 2018的每篇论文,Acemap团队都提供简短的内容解读。解读的方式是用机器阅读理解的方法自动提取出关键信息,包括提出什么方法解决了什么问题等,相比于一长段论文,这种导读能帮助读者在短时间内获取论文最关键的信息。

以下为解读示例:

Acemap团队对1010篇论文都做了解读。详细解读请浏览网址:

https://acemap.info/ConferenceStatistics/MainPage?conf_name=NIPS&conf_year=2018#authorstatistics

最后,Acemap对NeuIPS近年H-Index、Top30论文的平均引用量、所有论文的平均引用量进行了统计。会议H-index变化如下:

会议所有论文和Top30论文的citation变化如下:

一些大厂的NeurIPS 2018论文

前文提到2018年排名前十的机构及论文发表数量,目前,已经有一些大厂放出了NeuraIPS上的论文,新智元做了简单统计:

谷歌共计录取文章136篇。

其中第一作者来自谷歌的文章,共计57篇;谷歌参与,但并非第一作者的文章数量共计79篇。

Efficient Gradient Computation For Structured Output Learning With Rational And Tropical Losses

具有Rational、Tropical损失的结构化输出学习的有效梯度计算

Corinna Cortes,Vitaly Kuznetsov,Mehryar Mohri,Dmitry Storcheus,Scott Yang

The Spectrum Of The Fisher Information Matrix Of A Single-Hidden-Layer Neural Network

单隐层神经网络Fisher信息矩阵的谱

Jeffrey Pennington,Pratik Worah

Tangent: Automatic Differentiation Using Source-code Transformation For Dynamically Typed Array Programming

Tangent:使用源代码转换进行动态类型数组编程的自动微分

Bart van Merriënboer,Dan Moldovan,Alexander B Wiltschko

To Trust Or Not To Trust A Classifier

是否该信任一个分类器

Heinrich Jiang,Been Kim,Melody Y. Guan,Maya Gupta

Relational Recurrent Neural Networks

关系递归神经网络

Adam Santoro,Ryan Faulkner,David Raposo,Jack Rae,Mike Chrzanowski,Théophane Weber,Daan Wierstra,Oriol Vinyals,Razvan Pascanu,Timothy Lillicrap

Adversarial Examples That Fool Both Computer Vision And Time-Limited Humans

愚弄计算机视觉以及人类的对抗性的例子

Gamaleldin F. Elsayed,Shreya Shankar,Brian Cheung,Nicolas Papernot,Alex Kurakin,Ian Goodfellow,Jascha Sohl-Dickstein

Large Margin Deep Networks For Classification

用于分类的Large Margin深度网络

Gamaleldin F. Elsayed,Dilip Krishnan,Hossein Mobahi,Kevin Regan,Samy Bengio

Data-Efficient Hierarchical Reinforcement Learning

数据高效的分层强化学习

Ofir Nachum,Shixiang Gu,Honglak Lee,Sergey Levine

TopRank: A Practical Algorithm For Online Stochastic Ranking

TopRank:在线随机排名的实用算法

Tor Lattimore,Branislav Kveton,Shuai Li,Csaba Szepesvari

Meta-Gradient Reinforcement Learning

元梯度强化学习

Zhongwen Xu,Hado van Hasselt,David Silver

Trading Robust Representations For Sample Complexity Through Self-supervised Visual Experience

通过自我监督的视觉体验,用鲁棒的表现形式换取样本的复杂性

Andrea Tacchetti

Re-evaluating Evaluation

Re-evaluating评估

David Balduzzi,Karl Tuyls,Julien Perolat,Thore Graepel

A Lyapunov-based Approach To Safe Reinforcement Learning

基于Lyapunov的安全强化学习方法

Yinlam Chow,Ofir Nachum,Edgar Duenez-Guzman,Mohammad Ghavamzadeh

Assessing The Scalability Of Biologically-Motivated Deep Learning Algorithms And Architectures

评估生物激励的深度学习算法和体系结构的可扩展性

Sergey Bartunov,Adam Santoro,Blake A. Richards,Luke Marris,Geoffrey E. Hinton,Timothy Lillicrap

Provable Variational Inference For Constrained Log-Submodular Models

约束Log-Submodular模型的可证变分推理

Josip Djolonga,Stefanie Jegelka,Andreas Krause

Playing Hard Exploration Games By Watching YouTube

通过观看YouTube玩硬探索游戏

Yusuf Aytar,Tobias Pfaff,David Budden,Tom Le Paine,Ziyu Wang,Nando de Freitas

Transfer Learning From Speaker Verification To Multispeaker Text-To-Speech Synthesis

从说话人验证迁移学习到多语言文本、语音合成

Ye Jia,Yu Zhang,Ron J. Weiss,Quan Wang,Jonathan Shen,Fei Ren,Zhifeng Chen,Patrick Nguyen,Ruoming Pang,Ignacio Lopez Moreno,Yonghui Wu

更多与谷歌相关录取文章可点击下方链接查看:

https://acemap.info/ConferenceStatistics/affiliationpage?affID=4CF99586&conf_name=NIPS&conf_year=2018

Facebook(未包含workshop):

A^2-Nets: Double Attention Networks

A^2-Nets: 双重注意网络

Yunpeng Chen,Yannis Kalantidis, Jianshu Li, Shuicheng Yan and Jiashi Feng

学习捕捉长期关系是图像/视频识别的基础。现有的CNN模型一般依赖于增加深度来模拟这种关系,效率非常低。在这项工作中,我们提出“double attention block”,这是一个新的构建块,能够汇集并传播来自输入图像/视频的整个时空空间的全局信息特征,使后续的卷积层能够有效地访问来自整个空间的特征。

A Block Coordinate Ascent Algorithm for Mean-Variance Optimization

均值 - 方差优化的块坐标上升算法

Tengyang Xie,Bo Liu, Yangyang Xu,Mohammad Ghavamzadeh, Yinlam Chow, Daoming Lyu and Daesub Yoon

均值-方差函数是风险管理中应用最广泛的目标函数之一,具有简单易行、易于解释等优点。现有的均值-方差优化算法是基于多时间尺度随机逼近的,其学习速率表往往难以优化,且只有渐近收敛证明。在这篇论文中,我们提出一种无模型均值方差优化策略搜索框架,基于有限样本误差约束分析。我们在几个基准域上证明了它们的适用性。

A Lyapunov-based Approach to Safe Reinforcement Learning基于Lyapunov的安全强化学习方法

Yinlam Chow, Ofir Nachum, Edgar Duenez-Guzman andMohammad Ghavamzadeh

在许多现实世界的强化学习(RL)问题中,除了优化主要目标函数外,智能体还必须同时避免违反各种约束。特别是,除了优化性能外,在训练和部署过程中,保证agent的“安全性”也是至关重要的。为了将安全性纳入RL,我们在约束马尔可夫决策过程(CMDPs)的框架下推导算法。结果表明,该方法在平衡约束满意度和性能方面明显优于现有基线。

The Description Length of Deep Learning Models深度学习模型的描述长度

Léonard Blier andYann Ollivier

Solomonoff的一般推理理论和最小描述长度原则是奥卡姆剃刀形式化的结果,并认为良好的数据模型必须是擅长无损压缩数据的模型。考虑到要编码的大量参数,深度神经网络似乎违背了这一原则。我们通过实验证明了深度神经网络即使在考虑参数编码时也能够压缩训练数据。

Fast Approximate Natural Gradient Descent in a Kronecker Factored Eigenbasis

Kronecker Factored Eigenbasis的快速近似自然梯度下降

Thomas George, César Laurent, Xavier Bouthillier,Nicolas BallasandPascal Vincent

Fighting Boredom in Recommender Systems with Linear Reinforcement Learning在线性强化学习的推荐系统中对抗无聊

Romain Warlop,Alessandro Lazaricand Jérémie Mary

Forward Modeling for Partial Observation Strategy Games – A StarCraft Defogger部分观察战略游戏的正向建模 - 星际争霸Defogger

Gabriel Synnaeve,Zeming Lin,Jonas Gehring, Dan Gant,Vegard Mella,Vasil Khalidov,Nicolas CarionandNicolas Usunier

GLoMo: Unsupervisedly Learned Relational tGraphs as Transferable RepresentationsGLoMo:非监督学习关系tGraphs作为可转移的表示

Zhilin Yang,Jake Zhao, Bhuwan Dhingra,Kaiming He, William Cohen, Ruslan Salakhutdinov andYann LeCun

Near Optimal Exploration-Exploitation in Non-Communicating Markov Decision Processes非传播马尔可夫决策过程的近似最优探索-开发

Ronan Fruit,Matteo PirottaandAlessandro Lazaric

Non-Adversarial Mapping with VAEs使用VAE进行非对抗性映射

Yedid Hoshen

One-Shot Unsupervised Cross Domain TranslationOne-Shot无监督跨域翻译

Sagie Benaim andLior Wolf

SING: Symbol-to-Instrument Neural GeneratorSING:从音符到乐器的神经生成器

Alexandre Defossez,Neil Zeghidour,Nicolas Usunier,Leon Bottouand Francis Bach

Temporal Regularization for Markov Decision Process

马尔可夫决策过程的时间正则化

Pierre Thodoroff, Audrey Durand, Joelle Pineau and Doina Precup

一波三折的NeurIPS 2018

NeurIPS只是最近才被官方用到的名称,通常被称为NIPS,但就是这个四字缩写让今年的会议一波三折。

“NIPS”因为带有性暗示,已经在今年引起了许多争议,几次公众呼吁改名之后,NIPS 组委会在今年 4 月份宣布,他们正在考虑改名,并很快就此事向社区征询意见。

不过大家的回应好坏参半。有人支持,有人反对,谷歌大脑研究员 David Ha(Twitter@hardmaru)个人统计结果,结果 50% 投票者认为保留原来的名字更好。

后来,NIPS官网默默地开始使用 NeurIPS 作为会议的缩写,也增加了新的网址neurips.cc.,这才让改名风波告一段落。

但是,改名事情刚消停,又被曝出有十几名研究人员签证被拒的情况。像NeurIPS这样的顶级会议往往在欧美国家召开,但其实这对其他非发达国家的研究人员是不公平的,一旦出现外部因素影响(例如签证),就会给这些非发达国家的研究人员带来极大不便。

现在,已经有学者呼吁顶会要照顾非发达国家,Yoshua Bengio在最近的一次采访时表示,另一个机器学习顶会ICLR,将在2020年移师非洲,做出了表率。

最后,对AI从业者来说,最重要是能参会。但是NeurIPS2018的门票比霉霉的演唱会门票还难抢,主办方于 9 月 4 日 8 点开放注册,但仅用了11分钟38秒主会议门票就售罄,半小时后,tutorial和workshop的票也全部显示Sold Out。

今年的NeurIPS2018,你是选择看直播还是亲临现场?

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 微软
    +关注

    关注

    4

    文章

    6145

    浏览量

    103011
  • 谷歌
    +关注

    关注

    27

    文章

    5800

    浏览量

    103141
  • 论文
    +关注

    关注

    1

    文章

    103

    浏览量

    14869

原文标题:NeurIPS 2018开锣,中国论文数全球第二!清华、中科院、北大排前三

文章出处:【微信号:AI_era,微信公众号:新智元】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    西安交大耿莉教授团队在国际固态电路会议展示最新芯片研究成果

    在此次会议中,中国西安交通大学微电子学院副教授樊超与合作团队共同发表了题为“基于0.07 mm²、220到23.8 GHz、8相频率源优化的磁+双注入耦合设计”的论文
    的头像 发表于 03-13 10:10 156次阅读

    转载:FCS Perspective | 上海交通大学陈海波教授团队——元OS:面向万物智联时代的操作系统

    导读      本期FCS Perspective栏目,特邀上海交通大学陈海波教授的观点分享——Embracing connected intelligence with the YuanOS
    的头像 发表于 01-17 15:22 153次阅读
    转载:FCS Perspective | <b class='flag-5'>上海</b><b class='flag-5'>交通大学</b>陈海波教授<b class='flag-5'>团队</b>——元OS:面向万物智联时代的操作系统

    NeurIPS23|视觉 「读脑术」:从大脑活动中重建你眼中的世界

    在这篇 NeurIPS23 论文中,来自鲁汶大学、新加坡国立大学和中科院自动化所的研究者提出了一种视觉 「读脑术」,能够从人类的大脑活动中以高分辨率出解析出人眼观看到的图像。 人类的感
    的头像 发表于 12-24 21:35 264次阅读
    <b class='flag-5'>NeurIPS</b>23|视觉 「读脑术」:从大脑活动中重建你眼中的世界

    西安交通大学微电子校友论坛在苏州高新区成功举办

     根据相关报道,苏州高新区已与西安交通大学建立深厚交流与合作基础,设立了西安交大创新创业学院苏州分院等机构。今年3月,双方共同组建了西安交通大学苏州高新区人才工作站,深度对接西安交大的优势学科科研项目与人才资源,达成众多合作计划。
    的头像 发表于 12-11 14:40 243次阅读

    英特尔研究院将在NeurIPS大会上展示业界领先的AI研究成果

    市举办。 在NeurIPS 2023上,英特尔研究院将展示其最新AI研究成果,并和产业界、学术界分享英特尔“让AI无处不在”的愿景。大会期间,英特尔研究院将发表31篇论文,包括12篇主会场论文和19篇研讨会
    的头像 发表于 12-08 19:15 338次阅读

    英特尔研究院将在NeurIPS大会上展示业界领先的AI研究成果

    英特尔研究院将重点展示31项研究成果,它们将推进面向未来的AI创新。        英特尔研究院将在NeurIPS 2023大会上展示一系列富有价值、业界领先的AI创新成果。面向广大开发者、研究人员
    的头像 发表于 12-08 09:17 381次阅读

    NeurIPS 2023 | AI Agents先行者CAMEL:首个基于大模型的多智能体框架

    顶级人工智能会议 NeurIPS 2023 录用。 论文题目: CAMEL: Communicative Agents for “Mind” Exploration of Large Scale Language Model Society
    的头像 发表于 11-26 21:25 560次阅读
    <b class='flag-5'>NeurIPS</b> 2023 | AI Agents先行者CAMEL:首个基于大模型的多智能体框架

    感谢大连交通大学对我司HS-100A恒温恒湿试验箱的认可

    随着科技的发展,各行各业对产品测试的需求日益增长。在这个过程中,恒温恒湿试验箱作为一种重要的测试设备,扮演着不可或缺的角色。近日,我司的HS-100A恒温恒湿试验箱得到了大连交通大学的认可,这标志着
    的头像 发表于 11-20 11:38 137次阅读
    感谢大连<b class='flag-5'>交通大学</b>对我司HS-100A恒温恒湿试验箱的认可

    下一代神经网络:NVIDIA Research 在 NeurIPS 大会上发布一系列 AI 技术进步

    NVIDIA 研究人员正在与世界各地的学术机构合作,推进生成式 AI、机器人和自然科学领域的进步。在全球顶级 AI 会议之一 NeurIPS 上,NVIDIA 将介绍其中的十几个项目
    的头像 发表于 11-03 19:15 416次阅读
    下一代神经网络:NVIDIA Research 在 <b class='flag-5'>NeurIPS</b> 大会上发布一系列 AI 技术进步

    NeurIPS 2023 | 大模型时代自监督预训练的隐性长尾偏见

    离开学校加入公司的业务部门已经半年多了,往后应该会努力抽时间做点开源项目,但暂时没什么计划再发一作论文了。这次介绍下我和我(前)实验室一位非常优秀的学弟 beier 合作的一篇 NeurIPS
    的头像 发表于 10-30 11:05 216次阅读
    <b class='flag-5'>NeurIPS</b> 2023 | 大模型时代自监督预训练的隐性长尾偏见

    NeurIPS 2023 | 全新的自监督视觉预训练代理任务:DropPos

    论文标题: DropPos: Pre-Training Vision Transformers by Reconstructing Dropped Positions 论文链接:  https
    的头像 发表于 10-15 20:25 307次阅读
    <b class='flag-5'>NeurIPS</b> 2023 | 全新的自监督视觉预训练代理任务:DropPos

    西安交通大学选购我司HS-80C高低温试验箱

    。西安交通大学选购我司HS-80C高低温试验箱,现已安装调试完毕。西安交通大学上海和晟HS-80C高低温试验箱上海和晟HS-80C高低温试验箱上海和晟HS-80C高低
    的头像 发表于 06-03 09:12 266次阅读
    西安<b class='flag-5'>交通大学</b>选购我司HS-80C高低温试验箱

    校源行|北京交通大学开放原子开源社团成立大会成功举办

    5月11日,北京交通大学开放原子开源社团成立大会在北京成功举办。开放原子开源基金会(以下简称“基金会”)理事长助理刘京娟、资深顾问郭晧、活动顾问孙广毅,北京交通大学软件学院党委副书记、副院长
    的头像 发表于 05-13 09:00 1047次阅读

    电子科技大学选购我司HS-TGA-102热重分析

    电子科技大学坐落于四川省成都市,原名成都电讯工程学院,是1956年在周恩来总理的亲自部署下,由交通大学(现上海交通大学、西安交通大学)、南京
    的头像 发表于 05-11 15:29 258次阅读
    电子科技<b class='flag-5'>大学</b>选购我司HS-TGA-102热重<b class='flag-5'>分析</b>仪

    TSC峰会回顾02 | 上海交通大学OpenHarmony技术俱乐部建设

    嘉宾简介夏虞斌,上海交通大学教授/博导;上海交通大学OpenHarmony技术俱乐部主任;中国计算机学会CCF高级会员、IEEE会员、ACM会员。主要研究领域是操作系统与系统结构,研究
    发表于 04-19 15:12