机器学习顶会 ICML 2018 开始了

第 35 届机器学习技术国际会议（ICML）于 7 月 10 日在瑞典首都斯德哥尔摩举行。ICML 是 AI 领域最负盛名的学术会议之一，也是很多研究人员发表研究论文的梦寐以求之地。

今年，ICML 共有 2473 篇论文被提交，621 篇被接收，接收率为 25.1%，与去年的 1676 篇提交数量相比，今年提交的论文数量增加了 47％（接收率仍保持在 25％左右）。

最佳论文奖（Best Paper Awards）

ICML 2018 选出了两篇最佳论文奖，如下：

【1】《Obfuscated Gradients Give a False Sense of Security: Circumventing Defenses to Adversarial Examples》

arXiv：https://arxiv.org/abs/1802.00420

【2】《Delayed Impact of Fair Machine Learning》

arXiv：https://arxiv.org/abs/1803.04383

机构排行

下表列出了论文数量达到 6 篇及以上的前 58 家机构。显然，Google 遥遥领先。我们将 Google、Google AI 和 DeepMind 分开计算，如果这几个机构加起来，来自 Google 的作者就涉及 82 篇论文，超过总数的 13%，远超其它任何一个机构。Facebook 在 ICML 上有 21 篇论文，略多于 NIPS 上的 11 篇。

加州大学伯克利分校论文数量领跑各大高校，但在 ICML 上的论文数量仍旧比 NIPS 上少两篇。卡内基梅隆大学的 NIPS 论文有 48 篇之多，但 ICML 论文「只有」32 篇。

国内方面，清华大学、腾讯和北京大学分别有12篇、11篇和10篇论文。

• Most papers by institution:
  google: 43
  berkeley: 33
  deepmind: 33
  cmu: 32
  stanford: 29
  mit: 28
  microsoft: 28
  google ai: 24
  facebook: 21
  oxford: 20
  princeton: 20
  inria: 18
  epfl: 17
  eth zurich: 16
  cornell: 16
  max planck institute: 15
  ut austin: 15
  cambridge: 15
  ucla: 15
  university of toronto: 15
  columbia: 13
  清华大学（tsinghua university）: 12
  amazon: 11
  harvard: 11
  腾讯（tencent）: 11
  usc: 11
  georgia tech: 11
  duke: 11
  北京大学（peking university）: 10
  purdue: 10
  riken: 10
  uber: 10
  yale: 9
  nyu: 9
  university of wisconsin: 9
  mila: 8
  paristech: 8
  imperial college london: 8
  johns hopkins university: 8
  uiuc: 8
  university of virginia: 8
  rice: 8
  ibm: 7
  technion: 7
  openai: 7
  vector institute: 7
  university of washington: 7
  cnrs: 7
  caltech: 7
  google research: 7
  university of chicago: 6
  university of tubingen: 6
  alan turing institute: 6
  northwestern: 6
  university of montreal: 6
  uc davis: 6
  university of pennsylvania: 6
  university of edinburgh: 6

点击文末的"阅读全文"，可以查看ICML 2018所有收录的论文哦！

参考

[1]: https://medium.com/machine-learning-in-practice/icml-2018-accepted-papers-stats-339f1cad5a55

若喜欢“深度学习与神经网络”推送的文章，请扫描下方二维码关注公众号！

您好，欢迎关注深度学习与神经网络。本公众号会定期推送深度学习的教程以及人工智能最新发展情况。感谢大家的支持！
回复“教程”可以看到最新的深度学习教程。
回复“加群”可以加入深度学习交流群。
投稿或合作请加微信：sdxxqbf。