提出了一种自集成方法，将SVHN错误率从18.44%降至7.05%。
Samuli Laine, Timo Aila
利用softmax概率检测神经网络中的误分类和分布外样本，提升检测准确率。
Dan Hendrycks, Kevin Gimpel
提出线性分类探针监测中间层特征，发现深层特征线性可分性单调增强。
Guillaume Alain, Yoshua Bengio
深度ReLU网络在Sobolev空间中比浅层网络更高效地逼近光滑函数。
Dmitry Yarotsky
结合深度视频预测与模型预测控制，实现机器人无需标定自主操控未知物体。
Chelsea Finn, Sergey Levine
提出基于变分自编码器的深度生成模型，结合DGDN解码器与CNN编码器，实现图像、标签和字幕的联合学习。
Yunchen Pu, Zhe Gan, Ricardo Henao 等
采用3D卷积神经网络实现形状补全，训练集超44万样本，提升机器人抓取的准确性和速度。
Jacob Varley, Chad DeChant, Adam Richardson 等
采用深层LSTM、注意力机制和子词单元的GNMT系统，实现了在WMT'14英法、英德任务中的优异表现。
Yonghui Wu, Mike Schuster, Zhifeng Chen 等
研究非stoquastic哈密顿量在量子退火中的表现，利用长程伊辛玻璃模型，发现非stoquastic在难题中表现优越。
L. Hormozi, E. W. Brown, G. Carleo 等
提出稀疏回归方法PDE-FIND，自动识别偏微分方程中的关键项。
Samuel H. Rudy, Steven L. Brunton, Joshua L. Proctor 等
SeqGAN结合强化学习与GAN，解决序列离散生成难题，实现高质量文本生成。
Lantao Yu, Weinan Zhang, Jun Wang 等
使用最大熵原理的多声部音乐风格模仿与和弦创作，评估在巴赫合唱中的表现。
Gaëtan Hadjeres, Jason Sakellariou, François Pachet
提出SRGAN，用生成对抗网络实现4倍超分辨率，显著提升感知质量。
Christian Ledig, Lucas Theis, Ferenc Huszar 等
提出一种基于左-右一致性的新型无监督单目深度估计方法，在KITTI数据集上超越监督方法。
Clément Godard, Oisin Mac Aodha, Gabriel J. Brostow
利用GAN学习自然图像流形，通过约束优化实现高逼真度的图像编辑与变换。
Jun-Yan Zhu, Philipp Krähenbühl, Eli Shechtman 等
提出基于镜像梯度的去中心化在线优化算法，用于动态环境中的全局目标追踪。
Shahin Shahrampour, Ali Jadbabaie
利用GRU深度神经网络进行多任务学习提升文本推荐准确率，特别在冷启动场景中表现优异。
Trapit Bansal, David Belanger, Andrew McCallum
提出基于注意力机制的联合意图检测与槽填充模型，在ATIS任务中实现最优性能。
Bing Liu, Ian Lane
提出一种自主学习机器人方法，利用RGBD图像预测目标类别，实现密集堆积物的自动分类与排序。
Janne V. Kujala, Tuomas J. Lukka, Harri Holopainen
本研究揭示高斯混合模型中局部极大值存在性及其对EM算法的影响。
Chi Jin, Yuchen Zhang, Sivaraman Balakrishnan 等