國際表徵學習大會

維基百科，自由的百科全書

國際表徵學習大會

縮寫	ICLR
所屬學科	機器學習，人工智能，表徵學習
會議論文出版者
歷史	2013–至今
會議頻率	一年一次

機器學習與資料探勘

範式監督學習無監督學習線上機器學習元學習（英語：Meta-learning (computer science)）半監督學習自監督學習強化學習基於規則的機器學習（英語：Rule-based machine learning）量子機器學習
問題統計分類生成模型迴歸分析聚類分析降維密度估計（英語：density estimation）異常檢測數據清洗自動機器學習關聯規則學習語意分析結構預測（英語：Structured prediction）特徵工程表徵學習排序學習（英語：Learning to rank）語法歸納（英語：Grammar induction）本體學習（英語：Ontology learning）多模態學習（英語：Multimodal learning）
監督學習 (分類 · 回歸) 學徒學習（英語：Apprenticeship learning）決策樹學習集成學習 Bagging 提升方法隨機森林 k-NN 線性回歸樸素貝葉斯人工神經網絡邏輯斯諦迴歸感知器相關向量機（RVM）支持向量機（SVM）遷移學習微調
聚類分析 BIRCH CURE算法（英語：CURE algorithm）層次 k-平均 Fuzzy 期望最大化（EM） DBSCAN OPTICS 均值飄移（英語：Mean shift）
降維因素分析 CCA ICA LDA NMF（英語：Non-negative matrix factorization） PCA PGD（英語：Proper generalized decomposition） t-SNE（英語：t-distributed stochastic neighbor embedding） SDL
結構預測（英語：Structured prediction）圖模式貝氏網絡條件隨機域隱馬爾可夫模型
異常檢測 RANSAC k-NN 局部異常因子（英語：Local outlier factor）孤立森林（英語：Isolation forest）
人工神經網絡自編碼器認知計算深度學習 DeepDream（英語：DeepDream）多層感知器 RNN LSTM GRU（英語：Gated recurrent unit） ESN（英語：Echo state network）儲備池計算（英語：reservoir computing）受限玻爾茲曼機 GAN SOM CNN U-Net Transformer Vision transformer（英語：Vision transformer）脈衝神經網絡（英語：Spiking neural network） Memtransistor（英語：Memtransistor）電化學RAM（英語：Electrochemical RAM）（ECRAM）
強化學習 Q學習 SARSA 時序差分（TD）多智能體（英語：Multi-agent reinforcement learning） Self-play（英語：Self-play (reinforcement learning technique)） RLHF
與人類學習主動學習（英語：Active learning (machine learning)）眾包 Human-in-the-loop（英語：Human-in-the-loop）
模型診斷學習曲線（英語：Learning curve (machine learning)）
數學基礎內核機器（英語：Kernel machines）偏差–方差困境（英語：Bias–variance tradeoff）計算學習理論（英語：Computational learning theory）經驗風險最小化奧卡姆學習（英語：Occam learning） PAC學習（英語：Probably approximately correct learning）統計學習 VC理論
大會與出版物 NeurIPS ICML（英語：International Conference on Machine Learning） ICLR ML（英語：Machine Learning (journal)） JMLR（英語：Journal of Machine Learning Research）
相關條目人工智能術語（英語：Glossary of artificial intelligence）機器學習研究數據集列表（英語：List of datasets for machine-learning research）機器學習概要（英語：Outline of machine learning）
閱論編

國際表徵學習大會（英語：International Conference on Learning Representations，ICLR），是機器學習領域的一個學術會議，每年一次，在春季召開。

會議概況

ICLR會議由楊立昆和約書亞·本希奧創立。自2013年舉辦首屆起，該會議一直採用開放式同行評審（英語：Open peer review）。^[1]^[2]^[3]^[4]

在首屆會議的公開信中，楊立昆和約書亞·本希奧闡述了該會議創辦的宗旨：^[5]

儘管表徵學習對機器學習以及視覺、語音、音頻和自然語言處理等應用領域很重要，但目前還沒有一個場所以供對表徵學習有興趣的研究人員進行交流討論。ICLR會議旨在填補這一空白。

由於一些非洲學者難以獲得歐洲或北美的簽證，該會議組織者曾計劃在2020年將會議移至埃塞俄比亞亞的斯亞貝巴召開，但後因COVID疫情影響轉為線上會議。^[6]^[7]2023年會議將在盧旺達吉佳利舉行。^[8]

會議地點

ICLR 2023，吉佳利
ICLR 2022（線上）
ICLR 2021，維也納（線上）
ICLR 2020，亞的斯亞貝巴（線上）
ICLR 2019，路易斯安那，新奧爾良
ICLR 2018，溫哥華
ICLR 2017，土倫
ICLR 2016，波多黎各，聖胡安
ICLR 2015，加利福尼亞，聖迭戈
ICLR 2014，班夫國家公園
ICLR 2013，亞利桑那，斯科茨代爾

相關條目

參考資料

^ Program Details > Publication Model. iclr.cc. [2022-07-13]. （原始內容存檔於2022-07-14）.
^ A New Publishing Model in Computer Science. Yann LeCun. [2022-07-13]. （原始內容存檔於2022-09-01）.
^ 专访ICLR 2017主席 Hervé Glotin：蓬勃发展的表征学习. 雷峰網. 2017-08-25 [2022-07-13]. （原始內容存檔於2022-07-14）.
^ Zachary Chase Lipton. The ICLR Experiment: Deep Learning Pioneers Take on Scientific Publishing. February 15, 2016 [2022-07-13]. （原始內容存檔於2022-07-17）.
^ International Conference on Learning Representations 2013. iclr.cc. [2022-07-13]. （原始內容存檔於2022-08-15）.
^ Major AI conference is moving to Africa in 2020 due to visa issues. VentureBeat. November 19, 2018 [2022-07-13]. （原始內容存檔於2022-07-17）.
^ ICLR 2020 Cancelled Over Coronavirus; Virtual Conference Arranged. Synced. Mar 10, 2020 [2022-07-13]. （原始內容存檔於2022-07-15）.
^ ICLR 2022. Thank you all for making #ICLR2022 a huge success! We look forward to seeing you next year in Kigali, Rwanda!. [2022-07-13]. （原始內容存檔於2022-07-16）.

取自 "https://zh.wikipedia.org/w/index.php?title=国际表征学习大会&oldid=74436999"

分類：

人工智能研討會

隱藏分類：

含有英語的條目