利用深度空间自编码器自动提取环境特征点，结合轨迹优化实现机器人视觉运动技能学习。
Chelsea Finn, Xin Yu Tan, Yan Duan 等
扩展变分混合量子-经典算法理论，提出误差抑制与优化技术，提升量子资源利用效率。
Jarrod R. McClean, Jonathan Romero, Ryan Babbush 等
基于确定性策略梯度的深度强化学习算法（DDPG）解决连续动作空间的控制任务。
Timothy P. Lillicrap, Jonathan J. Hunt, Alexander Pritzel 等
提出语义全景遮挡分割，利用多标注数据实现全场景理解。
Yan Zhu, Yuandong Tian, Dimitris Mexatas 等
提出Entropy-Transport框架，定义Hellinger-Kantorovich距离，结合LogEntropy-Transport与几何分析。
Matthias Liero, Alexander Mielke, Giuseppe Savaré
提出基于字节对编码的子词单元神经机器翻译，提升稀有词翻译效果。
Rico Sennrich, Barry Haddow, Alexandra Birch
基于字符卷积和高速公路网络的神经语言模型，参数减少60%，在多语种表现优异。
Yoon Kim, Yacine Jernite, David Sontag 等
提出全局和局部注意力机制，提升英德翻译5.0 BLEU分。
Minh-Thang Luong, Hieu Pham, Christopher D. Manning
提出双向pAUC，直接控制TPR和FPR，改进性能评估方法。
Hanfang Yang, Kun Lu, Xiang Lyu 等
提出基于哈密顿量变分的量子状态准备方法，适用于Hubbard模型，显著提升收敛速度。
D. Wecker, M. B. Hastings, M. Troyer
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
提出LogDet非凸逼近低秩矩阵，应用于子空间聚类，优于核范数方法。
Zhao Kang, Chong Peng, Jie Cheng 等
提出一种基于二次下垂控制的微电网电压稳定方法，优化了无功功率分配。
John W. Simpson-Porco, Florian Dorfler, Francesco Bullo
提出一种无监督学习方法，结合视频与语音描述，自动识别任务关键步骤，基于新数据集实现高效定位。
Jean-Baptiste Alayrac, Piotr Bojanowski, Nishant Agrawal 等
利用无监督神经句子嵌入与视频-文本融合，实现书籍与电影的对齐，提升语义理解能力。
Yukun Zhu, Ryan Kiros, Richard Zemel 等
通过深度可视化工具，揭示卷积神经网络的中间层计算过程。
Jason Yosinski, Jeff Clune, Anh Nguyen 等
提出基于Wasserstein距离的多标签学习损失函数，利用正则化近似高效优化，提升语义平滑性。
Charlie Frogner, Chiyuan Zhang, Hossein Mobahi 等
提出基于图谱估计的谱卷积网络，有效处理非欧几里得数据，匹配或优于Dropout网络。
Mikael Henaff, Joan Bruna, Yann LeCun
提出基于图网络的视觉关系模型，利用大规模亚马逊数据实现衣物搭配推荐。
Julian McAuley, Christopher Targett, Qinfeng Shi 等
提出一种随机迭代线性系统求解方法，结合六种等价解释，涵盖已知算法并引入新变体。
Robert M. Gower, Peter Richtárik