提出一类鲁棒快速递归算法，用于可分非负矩阵分解，能有效应对噪声，理论保障优于现有方法。

Nicolas Gillis, Stephen A. Vavasis

本文提出了一种基于高斯过程的贝叶斯优化方法，显著提升了机器学习算法的超参数调优效率。

Jasper Snoek, Hugo Larochelle, Ryan P. Adams

通过特征核化Lasso选择高维特征，显著提高非线性依赖的特征选择效率。

Makoto Yamada, Wittawat Jitkrittum, Leonid Sigal 等

熵搜索算法通过信息增益优化全球搜索，提升效率。

Philipp Hennig, Christian J. Schuler

提出基于贝叶斯的非线性系统模拟优化实验设计框架，结合多项式混沌和随机逼近提升效率。

Xun Huan, Youssef M. Marzouk

研究提出了组合预测游戏的极小极大策略，使用Bregman投影和潜力梯度下降，解决了最坏情况下的极小极大遗憾问题。

Jean-Yves Audibert, Sebastien Bubeck, Gabor Lugosi

提出基于凸优化的非负矩阵分解模型，结合字典列限定于数据子集，实现物理意义的降维。

Ernie Esser, Michael Möller, Stanley Osher 等

提出一种通用框架，通过局部解释向量分析分类决策，适用于所有分类算法。

David Baehrens, Timon Schroeter, Stefan Harmeling 等

提出非参数高维图模型“非帕拉诺马尔”方法，利用平滑变换估计稀疏无向图结构。

Han Liu, John Lafferty, Larry Wasserman