提出一种无需辅助优化的贝叶斯优化方法，实现指数级收敛，突破δ-cover采样限制。
Kenji Kawaguchi, Leslie Pack Kaelbling, Tomás Lozano-Pérez
详细解析卷积算术关系，涵盖输入、核、填充、步长与输出尺寸的数学推导。
Vincent Dumoulin, Francesco Visin
提出多保真高斯过程Bandit优化（MF-GP-UCB），结合多保真信息提升黑箱函数最大化效率。
Kirthevasan Kandasamy, Gautam Dasarathy, Junier B. Oliva 等
提出分子图卷积（Graph Convolutions）架构，利用原子和键的结构信息，提升药物筛选的模型表现。
Steven Kearnes, Kevin McCloskey, Marc Berndl 等
ADVI自动推导变分推断算法，支持非共轭模型，提升大规模数据分析效率。
Alp Kucukelbir, Dustin Tran, Rajesh Ranganath 等
提出一种基于近似梯度的超参数优化算法（HOAG），在L2正则化逻辑回归和核岭回归中表现优异。
Fabian Pedregosa
提出KFC，用结构化概率模型近似卷积层Fisher矩阵，显著提升训练速度。
Roger Grosse, James Martens
提出基于高斯过程的估计优化策略，无需调参，连接GP-UCB和GP-PI，提升鲁棒性。
Zi Wang, Bolei Zhou, Stefanie Jegelka
提出变分信息最大化算法，用于高维视觉输入的内在动机强化学习，提升信息优化效率。
Shakir Mohamed, Danilo Jimenez Rezende
DMF以未知值先验重构推荐目标，AmazonMovies上NDCG达0.1887、AUC达0.9276。
Robin Devooght, Nicolas Kourtellis, Amin Mantrach
虚拟对抗训练（VAT）在MNIST数据集上实现了比大多数方法更好的性能。
Takeru Miyato, Shin-ichi Maeda, Masanori Koyama 等
Pointer Networks利用注意力机制作为指针，解决变长输入输出问题，成功应用于凸包、Delaunay三角剖分和旅行商问题。
Oriol Vinyals, Meire Fortunato, Navdeep Jaitly
提出核方法KEMA实现多源数据无配对的流形对齐与域适应，性能优于现有方法。
Devis Tuia, Gustau Camps-Valls
提出知识蒸馏技术，将集成模型的知识压缩成单一模型，显著提升MNIST和语音识别性能。
Geoffrey Hinton, Oriol Vinyals, Jeff Dean
贝叶斯案例模型(BCM)通过生成框架实现案例推理和原型分类。
Been Kim, Cynthia Rudin, Julie Shah
PESC算法在不确定约束下的贝叶斯优化中表现优于EI方法。
José Miguel Hernández-Lobato, Michael A. Gelbart, Matthew W. Hoffman 等
SLIM方法通过整数规划优化医疗评分系统的准确性和稀疏性。
Berk Ustun, Cynthia Rudin
提出基于低差异序列的准蒙特卡洛特征映射，提升Shift-Invariant核的逼近效率。
Haim Avron, Vikas Sindhwani, Jiyan Yang 等
Graph-Sparse LDA利用本体图压缩主题，在ASD数据中将119个诊断词概括为6个概念且预测性能不降。
Finale Doshi-Velez, Byron Wallace, Ryan Adams
提出基于梯度反转层的无监督域适应方法，提升图像分类中的跨域性能。
Yaroslav Ganin, Victor Lempitsky