g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

NeurIPS başladı, Tsinghua Üniversitesi, Çin Bilimler Akademisi, Pekin Üniversitesi ilk üçe girdi! Çin gazetelerinin sayısı dünyada ikinci sırada

Xin Zhiyuan Rehberi NeurIPS2018 bugün açıldı. Şangay Jiaotong Üniversitesi'nin Acemap ekibi, NeurIPS2018'in tüm makalelerini analiz etti ve ilk on'un neredeyse tamamının Amerikan kurumları olduğunu buldu. Tsinghua Üniversitesi, Çin Bilimler Akademisi ve Pekin Üniversitesi, en çok NeurIPS makalesini yayınlayan Çin kurumlarıdır. Xing Bo, Zhang Tong, Zhou Mingyuan, vb. İlk on içinde.

NeurIPS2018 burada!

Nöral Bilgi İşlem Sistemleri Konferansı (eski adıyla Sinirsel Bilgi İşleme Sistemleri, NeurIPS) yapay zeka ve makine öğrenimi alanındaki en önemli olaydır. 1987'deki doğumundan bu yana, bu akademik konferans 30 yılı aşkın bir tarihe sahiptir.

Çin Bilgisayar Topluluğu tarafından düzenlenen uluslararası akademik konferansların sıralamasında NeurIPS, yapay zeka alanında bir kategori A konferansıdır. Bu yılki konferans Kanada'nın Montreal kentinde yapıldı ve 3 Aralık'ta açıldı.

Şangay Jiaotong Üniversitesi'nin Acemap ekibi, NeurIPS2018'in tüm kağıtlarını analiz etti 1010 makale 2018'de, son üç yılda ve son beş yılda, sırasıyla akademisyenler, kurumlar ve ülkeler konferansta birinci yazar ve işbirlikçi olarak bildiri yayınladılar. Daha önemli bulgular da var:

Bu yılki konferansta yayınlanan makaleler İlk 10'un neredeyse tamamı ABD kurumları , ABD'nin bu alandaki mutlak lider konumunu gösteren;
NeurIPS On yıllık konu gelişimi Sektör trendlerini yansıtın;
Eric Xing (Xing Bo), NeuroIPS2018 konferansında yayınlanan makale sayısında ikinci sırada yer aldı;
Tsinghua Üniversitesi, Çin Bilimler Akademisi ve Peking Üniversitesi, NeurIPS makalelerinin çoğunu yayınlayan Çin kurumlarıdır.

Ek olarak, makalenin yazarları arasındaki ilişki de ortaya çıkarıldı ve bir kopyası Yazar ilişki diyagramı . Lütfen ayrıntılı sayfayı ziyaret edin:

https://acemap.info/ConferenceStatistics/MainPage?conf_name=NIPSconf_year=2018

Veya tıklayın Orijinali okuyun Görünüm.

Kurumsal istatistikler: Google, MIT ve Stanford üst üste ilk üçe giriyor

NIPS2018 Üyelik İstatistikleri, 2018'de, son üç yılda ve son beş yılda NeurIPS konferansında çeşitli kurumlar tarafından yayınlanan makale sayısını sayar.Aşağıdaki şekil, en iyi on kurumu ve 2018'de yayınlanan makale sayısını (ilk yazarlar ve ilk olmayanlar dahil) göstermektedir. Yazar):

İstatistikler, Google, Microsoft ve Facebook'un sektördeki ilk 10 kurum arasında olduğunu, özellikle Google'ın 136 bildiri yayınladığını gösteriyor. Ayrıca, Microsoft ilk yazar kadar 57 makale yayınladı (Acemap resmi web sitesine bakın). Google'ın makine öğrenimi alanında çok büyük bir etkiye sahip olduğu görülüyor.

Aynı zamanda ilk 10'un neredeyse tamamının ABD kurumları olduğunu da görüyoruz ki bu da ABD'nin bu alandaki mutlak lider konumunu gösteriyor.

Zaman çizelgesi üç yıla uzandı ve ilk üç hala Google, MIT ve Stanford:

Son beş yıldaki en iyi üç oyuncu hala bu üç oyuncudur, bu yüzden burada ekran görüntüsü almayacağım. Yalnızca ilk yazarı / 2018'deki tüm yazarları içeren kurumların istatistikleri hakkında daha fazla bilgi, son üç yıl ve son beş yıl için lütfen şu adrese gidin: Acemap resmi web sitesi:

https://acemap.info/ConferenceStatistics/AuthorAffiliationRank?conf_name=NIPSconf_year=2018type_of_ranking=Affiliation

Google için Acemap ekibi, aşağıdaki şekilde gösterildiği gibi, yıllar içinde kurum tarafından NeurIPS makalelerinin yayınlanmasını da saydı:

Bunlar arasında dikey eksen yılı, yatay eksen ise kurum tarafından yayınlanan makale sayısını temsil eder. Kırmızı, ilk yazar olarak yayınlanan makale sayısıdır. İlk yazar olmayan tarafından siyah olarak yayınlanan makale sayısı.

Aynı zamanda, kuruluştaki ilk yazarın / ilk olmayan yazarın durumunu da sayar. En çok yayınlanan makalelere sahip yazar .

Yukarıdaki resimden de görebileceğiniz gibi, ilk yazar olarak Google tarafından yayınlanan en fazla makale sayısına sahip yazarlar şunlardır:

Corinna Cortes
Jeffrey Pennington
Samy Bengio
Oriol Vinyals

Yazar istatistikleri: Xing Bo, Zhang Tong, Zhou Mingyuan, vb. İlk on arasında

NeurIPS2018 Yazar İstatistikleri, 2018'deki NeurIPS konferansında her yazar tarafından yayınlanan makale sayısının sıralamasını, son üç yılda ve son beş yılda (tüm yazarlar dahil / yalnızca ilk yazar dahil) sayar. Aşağıdaki şekil 2018'deki en iyi on yazar ve makaleyi göstermektedir. Yayın sayısı (tüm yazarlar dahil):

Yukarıdaki resimden de görebileceğiniz gibi, ilk üçü Josh Tenenbaum, Eric Xing (Xing Bo) ve Michael Jordan.

İlk on arasında Çinli bilim adamları Eric Xing ( ), Tong Zhang ( ), Honglak Lee, Mingyuan Zhou () var.

Yukarıdakiler yalnızca 2018'deki ilk on yazarı göstermektedir (tüm yazarlar dahil). 2018'deki ayrıntılı sıralamalar, son üç yıl ve son beş yıl için (tüm yazarlar / yalnızca ilk yazar dahil), lütfen web sitesini ziyaret edin:

https://acemap.info/ConferenceStatistics/AuthorAffiliationRank?conf_name=NIPSconf_year=2018type_of_ranking=Author

Buna ek olarak, NeurIPS'in son on yıldaki kabul oranı, gönderim hacmi ve makale sayısı da aşağıdaki şekilde gösterildiği gibi sayıldı:

Bunlar arasında yeşil, gönderimlerin sayısı, mor, ara gönderimlerin sayısıdır ve eğri, kabul oranını temsil eder. 2018'de 4856 başvuru sayısının 2017'de 3240, 2016'da 2403'ün çok üzerinde olduğunu görebiliyoruz.

Ayrıntılar için lütfen kontrol edin:

https://acemap.info/ConferenceStatistics/acceptance_rate?conf_name=NIPSconf_year=2018

NeurIPS'in özet bilgilerini 2009'dan 2018'e çıkardık, kelime gömme algoritmasını kullanarak anahtar kelimeleri vektör uzayına eşledik ve ardından kümeledik. Her kümeye, genellikle şekilde altı kategoriye bölünen karşılık gelen bir konu atanır. Şekildeki yatay eksen yılı, dikey eksen ise konuların oranını temsil etmektedir.Grafikten altı konunun geçtiğimiz on yıldaki gelişim eğilimini görebiliriz.

Bir kağıt öneri matrisi oluşturmak için her kağıt için beş boyuttan benzer kağıtları öneririz. Bu boyutlar, en son, aynı konferansı, en ilgili, en çok alıntı yapılan ve yönlendirilen belgeleri içerir.Bu çok boyutlu öneri, farklı kullanıcıların farklı ihtiyaçlarını karşılayabilir. AceMap'in NeurIPS 2018'deki benzer makaleler için tavsiye sayfaları aşağıdaki gibidir:

Ayrıntılı sayfaya, resmi ana sayfayı ziyaret etmek için orijinal metni okumak ve makalenin başlığına tıklamak suretiyle erişilebilir.

Ülke dağılım istatistikleri: Çin ikinci sırada; Tsinghua Üniversitesi, Çin Bilimler Akademisi, Peking Üniversitesi ilk üç sırada

NeurIPS 2018 Affiliation Distribution, NeurIPS makalelerinin 2018'de yayınlandığı ülkelerin dağılımını sayar. Şu anda, yalnızca yayınlanan makale sayısının yanı sıra her ülkede yayınlanan makale sayısı ve oranına sahip ilk on ülkeyi saymaktadır.

İlk on ülke: Amerika Birleşik Devletleri, Çin, Fransa, Birleşik Krallık, Kanada, İsviçre, Almanya, Güney Kore, Avustralya, Japonya.

Çin'deki kurumların sıralaması:

Tsinghua Üniversitesi, Çin Bilimler Akademisi, Pekin Üniversitesi, Nanjing Üniversitesi, Huawei, Pekin Posta ve Telekomünikasyon Üniversitesi, Tianjin Üniversitesi, Xidian Üniversitesi, Zhejiang Üniversitesi.

Yazar ilişki diyagramı

Acemap ekibi, 2018'de NeurIPS hakkında makaleler yayınlayan yazarlar ve NeurIPS hakkında makale yayınlayan tüm yazarlar için bir ilişki şeması çizdi. 2018 yılında NeurIPS'te makale yayınlayan yazarlar aşağıdaki gibidir (ekran görüntüleri). Bunların arasında, noktanın boyutu 2018'de NeurIPS'de yayınlanan makale sayısını temsil ediyor. Noktalar arasındaki çizgi, ortak yazar ilişkisini temsil eder.

Resmi büyütün ve Josh Tenenbaum'un ilişki diyagramını görebilirsiniz:

Ek olarak, NeurIPS 2018'deki her makale için Acemap ekibi kısa bir içerik yorumu sağlar. Yorumlamanın yolu, hangi problemleri çözmek için hangi yöntemlerin önerildiği vb. Dahil olmak üzere anahtar bilgileri otomatik olarak çıkarmak için makine okuma ve anlama yöntemlerini kullanmaktır. Uzun bir makale ile karşılaştırıldığında, bu tür yönlendirmeli okuma, okuyucuların kısa sürede kağıdın en kritik bilgilerini elde etmelerine yardımcı olabilir. .

Aşağıda bir yorumlama örneği verilmiştir:

Acemap ekibi 1010 belgenin tamamını yorumladı. Ayrıntılı yorumlama için lütfen web sitesini ziyaret edin:

https://acemap.info/ConferenceStatistics/MainPage?conf_name=NIPSconf_year=2018#authorstatistics

Son olarak Acemap, NeuIPS H-Index, Top30 makaleleri ve son yıllardaki tüm makalelerin ortalama alıntıları hakkında istatistik yaptı. Toplantı H-endeksi değişiklikleri aşağıdaki gibidir:

Tüm konferans bildirilerinin ve İlk30 bildirilerinin atıf değişiklikleri aşağıdaki gibidir:

Bazı büyük üreticilerin NeurIPS 2018 kağıtları

Bir önceki makalede en iyi on kurumdan ve 2018'de yayınlanan makale sayısından bahsedilmişti. Şu anda bazı büyük şirketler NeuraIPS hakkında makaleler yayınladı ve Xinzhiyuan basit istatistikler yaptı:

Google toplam 136 makale kabul etti.

Bunların arasında ilk yazar Google'ın makalelerinden geldi, toplam 57 makale; Google katıldı ancak ilk yazar olmayan makale sayısı 79 makaleye ulaştı.

Akılcı ve Tropikal Kayıplarla Yapılandırılmış Çıktı Öğrenimi İçin Etkili Gradyan Hesaplaması

Rasyonel ve Tropikal kayıp ile yapılandırılmış çıktı öğrenme ile etkili gradyan hesaplaması

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

Tek-Gizli-Katmanlı Bir Sinir Ağının Fisher Bilgi Matrisinin Spektrumu

Tek Gizli Katmanlı Sinir Ağının Fisher Bilgi Matrisi Spektrumu

Jeffrey Pennington, Pratik Worah

Teğet: Dinamik Olarak Tiplenmiş Dizi Programlaması İçin Kaynak Kodu Dönüşümünü Kullanarak Otomatik Farklılaştırma

Teğet: Kaynak kodu dönüştürmeyi kullanarak dinamik tür dizi programlamanın otomatik farklılaşması

Bart van Merriënboer, Dan Moldovan, Alexander B Wiltschko

Bir Sınıflandırıcıya Güvenmek Veya Güvenmemek

Bir sınıflandırıcıya güvenmeli misiniz?

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

İlişkisel Tekrarlayan Sinir Ağları

İlişkisel tekrarlayan sinir ağı

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

Hem Bilgisayarla Görmeyi Hem de Zaman Sınırlı İnsanları Kandıran Muhalif Örnekler

Kandıran bilgisayar görüşü ve insan düşmanlığına örnekler

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

Sınıflandırma İçin Büyük Marjlı Derin Ağlar

Sınıflandırma için Büyük Marj derin ağı

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

Veri Açısından Verimli Hiyerarşik Güçlendirmeli Öğrenme

Veri açısından verimli hiyerarşik güçlendirme öğrenimi

Ofir Nachum, Shixiang Gu, Honglak Lee, Sergey Levine

TopRank: Çevrimiçi Stokastik Sıralama İçin Pratik Bir Algoritma

TopRank: Çevrimiçi rastgele sıralama için pratik bir algoritma

Tor Lattimore, Branislav Kveton, Shuai Li, Csaba Szepesvari

Meta-Gradyan Güçlendirmeli Öğrenme

Meta-gradyan pekiştirmeli öğrenme

Zhongwen Xu, Hado van Hasselt, David Silver

Kendi Kendine Denetlenen Görsel Deneyimle Örnek Karmaşıklığı İçin Güçlü Temsilciliklerin Ticareti

Kendi kendine denetlenen bir görsel deneyim yoluyla, örneğin karmaşıklığı sağlam bir sunumla değiştirilir

Andrea Tacchetti

Değerlendirmeyi Yeniden Değerlendirme

Değerlendirmeyi yeniden değerlendirme

David Balduzzi, Karl Tuyls, Julien Perolat, Thore Graepel

Güvenli Pekiştirmeli Öğrenmeye Lyapunov Tabanlı Bir Yaklaşım

Lyapunov'a dayalı güvenlik güçlendirme öğrenme yöntemi

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

Biyolojik Motive Edilmiş Derin Öğrenme Algoritmalarının ve Mimarilerinin Ölçeklenebilirliğini Değerlendirme

Biyolojik olarak motive edilmiş derin öğrenme algoritmalarının ve mimarilerinin ölçeklenebilirliğini değerlendirin

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

Kısıtlı Log-Submodüler Modeller İçin Sağlanabilir Varyasyonel Çıkarım

Kısıtlı Log-Submodüler Modelin Sağlanabilir Varyasyonel Mantığı

Josip Djolonga, Stefanie Jegelka, Andreas Krause

YouTube İzleyerek Zor Keşif Oyunlarını Oynama

YouTube izleyerek zorlu keşif oyunları oynayın

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

Konuşmacı Doğrulamasından Öğrenmeyi Birden Çok Konuşmacı Metinden Konuşmaya Sentezine Aktarın

Konuşmacı doğrulamasından öğrenmeyi çok dilli metin ve konuşma sentezine aktarın

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

Google ile ilgili daha fazla kabul makalesi, aşağıdaki bağlantıya tıklayarak görüntülenebilir:

https://acemap.info/ConferenceStatistics/affiliationpage?affID=4CF99586conf_name=NIPSconf_year=2018

Facebook (atölye dahil değil):

A ^ 2-Ağlar: Double Attention Networks

A ^ 2-Ağlar: Çift Dikkat Ağı

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

Uzun vadeli ilişkileri yakalamayı öğrenmek, görüntü / video tanımanın temelidir. Mevcut CNN modelleri genellikle bu ilişkiyi simüle etmek için derinliği artırmaya dayanır ki bu çok verimsizdir. Bu çalışmada, sonraki evrişimli katmanların etkili bir şekilde erişebilmesi için giriş görüntüsünün / videonun tüm uzay-zamansal uzayından küresel bilgi özelliklerini toplayıp yayabilen yeni bir yapı taşı olan "çift dikkat bloğu" nu öneriyoruz. Tüm alandan özellikler.

Ortalama Varyans Optimizasyonu için Blok Koordinat Yükselme Algoritması

Ortalama varyans optimizasyonu blok koordinat artan algoritması

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

Ortalama varyans fonksiyonu, risk yönetiminde en yaygın kullanılan objektif fonksiyonlardan biridir ve basitlik ve yorumlama kolaylığı avantajlarına sahiptir. Mevcut ortalama varyans optimizasyon algoritması, çok zamanlı ölçekli rastgele yaklaşıma dayanmaktadır, öğrenme hızı tablosunun optimize edilmesi genellikle zordur ve yalnızca asimptotik yakınsama kanıtlanmıştır. Bu yazıda, sonlu örneklem hata kısıtı analizine dayanan, modelden bağımsız bir ortalama varyans optimizasyon stratejisi arama çerçevesi öneriyoruz. Çeşitli kıyaslama alanlarında uygulanabilirliklerini kanıtladık.

Güvenli Pekiştirmeli Öğrenmeye Lyapunov Tabanlı Bir Yaklaşım

Lyapunov'a dayalı güvenlik güçlendirme öğrenme yöntemi

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

Pek çok gerçek dünyadaki pekiştirmeli öğrenme (RL) problemlerinde, ana amaç işlevini optimize etmeye ek olarak, aracı aynı zamanda çeşitli kısıtlamaları ihlal etmekten de kaçınmalıdır. Özellikle, performansı optimize etmeye ek olarak, eğitim ve dağıtım sırasında ajanın "güvenliğini" sağlamak da çok önemlidir. Güvenliği RL'ye dahil etmek için, Kısıtlı Markov Karar Süreçleri (CMDP'ler) çerçevesinde algoritmalar türetiyoruz. Sonuçlar, yöntemin kısıtlama memnuniyetini ve performansı dengeleme açısından mevcut temelden önemli ölçüde daha iyi olduğunu göstermektedir.

Derin Öğrenme Modellerinin Açıklama Uzunluğu

Derin öğrenme modelinin açıklama uzunluğu

Léonard Blier ve Yann Ollivier

Solomonoff'un genel muhakeme teorisi ve minimum açıklama uzunluğu ilkesi, Occam'ın usturasının resmileştirilmesinin sonucudur ve iyi bir veri modelinin, verileri kayıpsız bir şekilde sıkıştırmada iyi bir model olması gerektiğine inanmaktadır. Kodlanacak çok sayıda parametre göz önüne alındığında, derin sinir ağları bu prensibi ihlal ediyor gibi görünüyor. Deneylerle, derin sinir ağlarının, parametre kodlaması düşünüldüğünde bile eğitim verilerini sıkıştırabildiğini kanıtladık.

Kronecker Faktörlü Eigenbasis'te Hızlı Yaklaşık Doğal Gradyan İnişi

Kronecker Factored Eigenbasis'in hızlı yaklaşık doğal gradyan inişi

Thomas George, César Laurent, Xavier Bouthillier, Nicolas Ballas ve Pascal Vincent

Doğrusal Pekiştirmeli Öğrenme ile Önerici Sistemlerde Sıkıntıyla Mücadele

Doğrusal pekiştirmeli öğrenme öneri sisteminde can sıkıntısına karşı savaşın

Romain Warlop, Alessandro Lazaric ve Jérémie Mary

Kısmi Gözlem Strateji Oyunları için İleri Modelleme - Bir StarCraft Buğu Çözücü

Strateji oyunlarının pozitif modellemesinin kısmi gözlemi-StarCraft Defogger

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

GLoMo: Devredilebilir Temsiller Olarak Denetimsizce Öğrenilmiş İlişkisel tGraphs

GLoMo: Devredilebilir bir temsil olarak denetimsiz öğrenme ilişkisi tGraphs

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

İletişimsiz Markov Karar Süreçlerinde Optimal Keşif-Sömürü

Yayılmayan Markov Karar Sürecinin Yaklaşık Optimal Keşfi-Geliştirilmesi

Ronan Fruit, Matteo Pirotta ve Alessandro Lazaric

VAE'ler ile Tartışmasız Haritalama

Rakipsiz haritalama için VAE'yi kullanın

Yedid Hoshen

Tek Adımlı Denetimsiz Alanlar Arası Çeviri

Alanlar arası denetimsiz tek seferlik çeviri

Sagie Benaim ve Lior Wolf

SING: Sembol-Enstrüman Sinir Jeneratörü

SING: Notalardan enstrümanlara nöral jeneratör

Alexandre Defossez, Neil Zeghidour, Nicolas Usunier, Leon Bottou ve Francis Bach

Markov Karar Süreci için Zamansal Düzenlenme

Markov karar sürecinin zaman düzenlenmesi

Pierre Thodoroff, Audrey Durand, Joelle Pineau ve Doina Precup

NeurIPS 2018'in kıvrımları ve dönüşleri

NeurIPS, yalnızca son zamanlarda resmi olarak NIPS olarak adlandırılan ad tarafından kullanıldı, ancak bu yılki konferansın dönüp dönmesini sağlayan bu dört karakterli kısaltmadır.

"NIPS", cinsel ipuçlarından dolayı bu yıl pek çok tartışmaya neden oldu. NIPS Organizasyon Komitesi, bu yıl Nisan ayında isim değişikliği yapmayı düşündüklerini duyurdu ve kısa süre sonra topluluğa bu konuda fikirlerini sordu.

Ancak herkesin tepkisi karışıktı. Google Brain Researcher David Ha'nın (Twitter @ hardmaru) kişisel istatistiklerine göre, seçmenlerin% 50'si orijinal adı korumanın daha iyi olduğunu düşünüyor.

Daha sonra, NIPS resmi web sitesi NeurIPS'i konferansın kısaltması olarak sessizce kullanmaya başladı ve isim değişikliğini sona erdiren yeni bir web sitesi olan NeurIPS'i de ekledi.

Ancak isim değişikliği henüz sona erdi ve bir düzineden fazla araştırmacının vize alamadığı ortaya çıktı. NeurIPS gibi üst düzey konferanslar genellikle Avrupa ve Amerika ülkelerinde düzenlenmektedir, ancak aslında bu, diğer gelişmiş olmayan ülkelerdeki araştırmacılar için haksızlıktır.Dış faktörlerin etkisi (vizeler gibi) ortaya çıktığında, bu gelişmiş olmayan araştırmacıları getirecektir. Büyük rahatsızlık.

Şimdi, bazı akademisyenler Zirveyi gelişmiş olmayan ülkelerle ilgilenmeye çağırdılar. Yakın zamanda yapılan bir röportajda Yoshua Bengio, başka bir makine öğrenimi zirvesinin, ICLR'nin 2020'de Afrika'ya taşının , Bir örnek olun.

Son olarak, AI uygulayıcıları için en önemli şey katılabilmektir. Ancak NeurIPS2018 biletlerini almak, konser biletlerinden daha zor. Organizatör, 4 Eylül'de saat 8'de kaydı açtı, ancak ana konferans biletlerinin tükenmesi sadece 11 dakika 38 saniye sürdü. Yarım saat sonra eğitim ve atölye biletleri tükendi. Biletler de Tükendi gösterir.