【摘要】大规模内核逼近（Large-scale kernel approximation）是机器学习研究中的一个重要问题。使用随机傅里叶特征的方法变得越来越流行，其中核逼近被视为通过蒙特卡罗（MC）或准蒙特卡罗（QMC）积分的经验平均值估计。目前方法的局限性在于，所有的特征都获得相等的权重总合（加起来为 1）。在本文中，直播，我们提出了一种“斯坦因效应”（Stein effect）的新型收缩估计器（shrinkage estimator），atv，为随机特征提供了数据驱动的加权策略，并有一定理论基础。我们进一步提出了一种高效的随机算法，用于所提出方法的大规模应用。我们对 6 个基准数据集的实证结果证明了这种方法在内核逼近和监督学习任务中，超越了现有的具有代表性的基准。

【摘要】显著性检测（Saliency detection）是计算机视觉中长期存在的问题。研究人员花费了巨大的努力去探索不同性别，种族，年龄等用户间普遍存在的显著性模型。然而最近的心理学研究表明，显著性非常具体（highly specific）：个体在观看包含多个显著物体（salient objects）的时候展现出了不同的凝视模式（heterogeneous gaze patterns）。在本文中，我们首先表明，这种异质性（heterogeneity）对于可靠的显著预测是常见和关键的。我们的研究还生成了第一个个性化显著图（PSM）数据库。我们基于不同参与者共享的通用显著图（USM）来模拟 PSM，并采用多任务 CNN 框架来估计 PSM 和 USM 之间的差异。深入实验表明，我们的新型 PSM 模型和预测方案是有效可靠的。

其他奖项：多模态语义分布获得 IJCAI-JAIR 最佳论文奖

1. 老中青三代研究人员和最佳服务奖

照例，每年的 IJCAI 都会评出四个颁发给人的奖项，分别是奖励领域内老中青三代优秀研究人员的“杰出研究奖”（Research Excellence award）、“约翰·麦卡锡奖”（John McCarthy Award）和“计算机思想奖”（Computers and Thought Award），还有为领域做出重大贡献和服务的“杰出服务奖”（Distinguished Service Award）。

尤其是杰出研究奖，是授予那些在整个研究生涯持续做出优秀成果的研究人员，过往得奖人包括 John McCarthy (1985), Allen Newell (1989), Marvin Minsky (1991), Herbert Simon (1995), Geoffrey E. Hinton (2005), Michael Jordan (2016)。

今年的 IJCAI 杰出研究奖得主是麻省大学阿姆赫斯特校区信息与计算机科学学院荣誉教授 Andrew Barto。Barto 教授在强化学习的理论和应用方面进行了既有开创性又具影响力的研究。

IJCAI 约翰·麦卡锡奖颁发给处于研究生涯中期（15~25年）的 AI 研究人员，其工作对领域整体研究发展有巨大贡献的同时，在顶级期刊上也有一流的呈现。今年的麦卡锡奖得主是宾夕法尼亚大学的 Dan Roth，因其对自然语言理解、机器学习和推理建模的重大概念和理论进展而获奖。

最后，2017 年 IJCAI 计算机思想奖得主是乔治亚理工大学的助理教授 Devi Parikh，她在从语义图像理解到词汇，图像和常识的交叉，使用视觉属性进行人机协作和视觉抽象学习常识，使人类能够通过自然语言与视觉内容进行交互方面做出了贡献。

值得一提，2016 年 IJCAI 计算机思想奖得主是斯坦福大学计算机系教授 Percy Liang，他也是今年 ICML 最佳论文作者之一。Percy Liang 教授接受新智元的专访。

这些奖项都是 IJCAI 董事会在奖项选择委员会建议下选出，香港大学的杨强教授是今年做评选的 5 位董事会成员之一。

2. 优秀的研究工作