英国剑桥大学 Steve Young 教授领导的语音对话系统研究在世界上数一数二。他的 Statistical Spoken Dialogue Systems and the Challenges for Machine Learning 的讲座不容错过。

统计口语对话系统及机器学习的挑战（Statistical Spoken Dialogue Systems and the Challenges for Machine Learning）

时间：当地时间 2 月 7 日 8:50 – 9:50 AM

介绍：该讲座将会概述口语对话系统（spoken dialogue system）的主要组件，而后讨论应用机器学习建立稳健的、高性能开域系统的机遇。讲座的内容将会使用剑桥大学近期的工作进行阐释，他们使用机器学习进行 belief tracking、奖励估计、多域策略学习和自然语言生成。讲座还会讨论将这些解决方案延展到实际系统时会面临的关键挑战。

Steve Young 是剑桥大学信息工程系教授，j2直播，也是苹果在剑桥的 Siri 开发团队成员之一。他的主要研究兴趣在于统计口语系统领域，包括语音识别、语音合成与对话管理。他获有多项荣誉，包括 IEEE Signal Processing Society Technical Achievement Award、ISCA Medal for Scientific Achievement、IEEE James L Flanagan Speech and Audio Processing Award。他是皇家工程院院士、IEEE 会士。

3、 Dmitri Dolgov（谷歌）

自动驾驶是一个热门话题。来自原谷歌自动驾驶团队的报告值得期待。

联合应邀讲座：自动驾驶汽车以及移动的未来（Joint Invited Talk: Self-Driving Cars and the Future of Mobility））

时间：当地时间 2 月 8 日 8:50 – 9:50 AM

4、David W. Aha（美国 Naval 研究室）

推理是实现强人工智能的重要环节，也是目前深度学习的薄弱环节。

目标推理：新兴应用、基础和前景（Goal Reasoning: Emerging Applications, a Foundation, and Prospects）

两个机器人讲座

机器人在工业生活中已经有了很多应用，以后也会继续对社会各个方面有很多影响。下面两个讲座讨论机器人相关话题。

1.Ayanna Howard（乔治亚理工学院）

为儿科护理设计助理机器人和技术（Designing Assistive Robots and Technologies for Pediatric Care）

时间：当地时间 2 月 5 日 9:05 – 10:05 AM

2.Russ Tedrake（MIT CSAIL 实验室、丰田研究所）

在真实世界中的动态机器人的凸优化和组合优化（Convex and Combinatorial Optimization for Dynamic Robots in the Real World）

时间：当地时间 2 月 9 日 8:50 – 9:50 AM

其他值得关注

1.Kristen Grauman（德克萨斯大学奥斯汀分校）

从未标记视频中学习如何移动和看哪里（Learning How to Move and Where to Look from Unlabeled Video）

时间：当地时间 2 月 8 日 4:00 – 5:00 PM

2.Rosalind Picard（MIT 和 Empatica, USA）

构建情感智能技术中的冒险（Adventures in Building Emotional Intelligence Technologies）

时间：当地时间 2 月 6 日 9:00 – 9:50 AM

3.Jeremy Frank（NASA 阿姆斯特丹研究中心智能系统部门）

利用人工智能让自动化太空任务运行成为可能（Enabling Autonomous Space Mission Operations with Artificial Intelligence）

时间：当地时间 2 月 7 日 10:00 – 11:00 AM

4.Lynne Parker（田纳西大学，美国国家科学基金会）

下面的报告讨论了白宫人工智能报告的产生过程。

美国国家人工智能研究与发展战略计划的产生过程（The Creation of the US National Artificial Intelligence Research and Development Strategic Plan）

时间：当地时间 2 月 5 日 8:00 – 9:00 PM

Paper Sessions 与论文

最后，Yuxi Li 博士主要根据方向和作者也推荐了一些 Paper Sessions 和论文。其中一些论文可能现在还看不到。

时间：当地时间 2 月 6 日

10:00 - 11:00am

NLP：语义和总结（Semanics and Summarization）

MLA1：推荐系统（Recommender Systems）

ML：优化（Optimization）

论文：可扩展多任务策略梯度强化学习（Scalable Multitask Policy Gradient Reinforcement Learning）

作者：Salam El Bsat, Haitham Bou Ammar, Matthew E. Taylor

论文：用于分布式凸优化的通信下界：特征上的分区数据（Communication Lower Bounds for Distributed Convex Optimization: Partition Data on Features）

作者：Zihao Chen, Luo Luo, Zhihua Zhang

AIW：用于多媒体和多模网页应用的人工智能（AI for Multimedia and Multimodal Web Applications）

论文：用于异构多媒体检索的传递哈希网络（Transitive Hashing Network for Heterogeneous Multimedia Retrieval）

作者：Zhangjie Cao, Mingsheng Long, Jianmin Wang, Qiang Yang

11:30am - 12:30pm

MLA2:图像和视频（Images and video）

ML:大数据/可扩展性（Big Data / Scalability）

2:00 - 3:30pm

NLP2：学习（Learning）

MLA3：机器学习应用（Machine Learning Applications）

ML：迁移，适应性，多任务学习（Transfer; Adaptation; Multitask Learning）

论文：Learning Safe Prediction for Semi-Supervised Regression

作者：Yu-Feng Li, Han-Wen Zha, Zhi-Hua Zhou

论文：Distant Domain Transfer Learning

作者：Ben Tan, Yu Zhang, Sinno Jialin Pan, Qiang Yang

论文：Deep Learning for Fixed Model Reuse

作者：Yang Yang, De-Chuan Zhan, Ying Fan, Yuan Jiang, Zhi-Hua Zhou

当地时间：周二，2 月 7 日

10:00 - 11:00am

NLP3: Parsing and Translation

MLA4: Applications of Deep Learning/Neural Networks

VIS5: Deep Learning for Vision

ML: Optimization

论文： A Nearly-Black-Box Online Algorithm for Joint Parameter and State Estimation in Temporal Models,

作者：Yusuf B. Erol, Yi Wu, Lei Li, Stuart Russell

11:30am - 12:30pm

NLP4: Learning

ML: Reinforcement Learning

2:00 - 3:30pm

MLA6: Deep Learning/ Neural Networks

NLP: Information Extraction

NLP: Learning

论文：Multiresolution Recurrent Neural Networks: An Application to Dialogue Response Generation

作者：Iulian Vlad Serban, Tim Klinger, Gerald Tesauro, Kartik Talamadupula, Bowen Zhou, Yoshua Bengio, Aaron Courville

ML: Reinforcement Learning

论文：Policy Search with High-Dimensional Context Variables

作者：Voot Tangkaratt, Herke van Hoof, Simone Parisi, Gerhard Neumann, Jan Peters, Masashi Sugiyama

4:00-5:00pm

ML: Deep Learning/Neural Networks

NLP: Text Mining

当地时间：周三，开奖，February 8

10:00 - 11:00am

SCTOGS1: Language understanding and dialogue

ML: Deep Learning/Neural Networks

论文：Universum Preion: Regularization Using Unlabeled Data

作者：Xiang Zhang, Yann LeCun

论文：Label-Free Supervision of Neural Networks with Physics and Domain Knowledge

作者：Russell Stewart, Stefano Ermon

论文：When and Why Are Deep Networks Better than Shallow Ones?

作者：Hrushikesh Mhaskar, Qianli Liao, Tomaso Poggio

论文：Denoising Criterion for Variational Auto-Encoding Framework

作者：Daniel Jiwoong Im, Sungjin Ahn, Roland Memisevic, Yoshua Bengio

11:30am - 12:30pm

ML8: Data Mining and Knowledge Discovery

论文：Streaming Classification with Emerging New Class by Class Matrix Sketching

作者：Xin Mu, Feida Zhu, Juan Du, Ee-Peng Lim, Zhi-Hua Zhou

论文：Discover Multiple Novel Labels in Multi-Instance Multi-Label Learning

作者：Yue Zhu, Kai Ming Ting, Zhi-Hua Zhou

论文：Deep MIML Network

作者：Ji Feng, Zhi-Hua Zhou

2.RU: Sequential Decision Making

2:00 - 3:30pm

NLP5: Applications

论文：Unsupervised Learning of Evolving Relationships between Literary Characters

作者：Snigdha Chaturvedi, Mohit Iyyer, Hal Daumé III

ROB1: Robotics

NLP: Knowledge Representation and Semantics

论文：Neural Machine Translation with Reconstruction,

作者：LZhaopeng Tu, Yang Liu, Lifeng Shang, Xiaohua Liu, Hang Li

　　当地时间：周四，2 月 9 日

10:00 - 10:54am

APP: Deep Learning

论文：Query-Efficient Imitation Learning for End-to-End Simulated Driving,

作者：Jiakai Zhang, Kyunghyun Cho

NLP: Semantics and Summarization

11:30am - 12:42pm

MLA: Machine Learning Applications

ML: Semisupervised Learning

MLA: Applications

©本文为机器之心原创，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]