提出去中心化梯度下降的收敛性分析，确保在固定步长下达到O(1/k)速率。
Kun Yuan, Qing Ling, Wotao Yin
通过ADMM优化算法实现光伏逆变器无功功率的分布式控制，显著减少功率损耗。
Petr Šulc, Scott Backhaus, Michael Chertkov
提出基于博弈论的双向拍卖机制，能提升储能单元收益130.2%。
Yunpeng Wang, Walid Saad, Zhu Han 等
提出一种高效训练NADE模型的方法，提升了密度估计性能。
Benigno Uria, Iain Murray, Hugo Larochelle
利用ImageNet训练的深度卷积激活特征DeCAF，显著优于传统方法，提升多个视觉识别任务性能。
Jeff Donahue, Yangqing Jia, Oriol Vinyals 等
双空间模型以领域与功能相似度统一类比和组合任务，但所给文本未提供实验数值。
Peter D. Turney
提出四类梯度估计方法用于随机二值神经元，促进条件计算与稀疏表示。
Yoshua Bengio, Nicholas Léonard, Aaron Courville
基于旋量手性形式和BCFW递归，简化多粒子散射振幅计算，提升效率。
Henriette Elvang, Yu-tin Huang
提出线性短语结构模型，提升金融文本语义方向检测准确性。
Pekka Malo, Ankur Sinha, Pyry Takala 等
提出Exp3-DOM算法，基于支配集实现有向观察图的最优遗憾界（不超过50字）
Noga Alon, Nicolò Cesa-Bianchi, Claudio Gentile 等
SLIM用0-1损失、L0稀疏和整数约束，构建可手算且高准确率的评分模型。
Berk Ustun, Stefano Tracà, Cynthia Rudin
提出基于损失函数的通用贝叶斯更新框架，适用于模型不完全或参数非密度索引情境。
Pier Giovanni Bissiri, Chris Holmes, Stephen Walker
现代证明Hanson-Wright不等式，推导子高斯随机向量的浓缩界，应用距离和范数界。
Mark Rudelson, Roman Vershynin
提出Black-Box算法BOLD和QPM-D，解决延迟反馈下的在线学习，理论界和实践均有突破。
Pooria Joulani, András György, Csaba Szepesvári
提出基于图聚类的随机化方法，显著降低网络干扰下的估计方差。
Johan Ugander, Brian Karrer, Lars Backstrom 等
提出GP-UCB-PE算法，结合UCB与纯探索，批量优化高效，理论界限优于单步方法。
Emile Contal, David Buffoni, Alexandre Robicquet 等
提出基于广播的子梯度推送算法，应对时间变化有向图中的分布式优化，收敛速率为O(ln t/√t)。
Angelia Nedic, Alex Olshevsky
提出高维模型置信区间与检验的渐近最优方法，基于去稀疏化的Lasso，分析其渐近性质。
Sara van de Geer, Peter Bühlmann, Ya'acov Ritov 等
本文将一致性预测（Conformal Prediction）应用于函数数据，构建无分布假设的预测带和聚类树，结合投影和伪密度实现高效、可靠的分析。
Jing Lei, Alessandro Rinaldo, Larry Wasserman
提出一种在潜变量和选择偏差条件下的因果推断方法，基于条件独立性关系进行可靠推断。
Peter L. Spirtes, Christopher Meek, Thomas S. Richardson