贝叶斯优化通过高效采样策略在昂贵目标函数中找到最大值，结合高斯过程模型。

Eric Brochu, Vlad M. Cora, Nando de Freitas

基于核主成分分析的非线性控制系统平衡降阶方法，利用高维特征空间实现模型简化。

Jake Bouvrie, Boumediene Hamzi

通过极限分析，将熵最小化问题收敛到最优运输问题，结合大偏差原理与Gamma-收敛。

Christian Léonard

Tropp提出改进的随机Hadamard变换分析，优化维度嵌入常数。

Joel A. Tropp

MESA是一套开源的1D恒星演化模拟工具，结合自适应网格和多物理模块，支持从低质量到高质量恒星的演化研究。

Bill Paxton, Lars Bildsten, Aaron Dotter 等

提出了一种动态重组算法，用于维纳空间上的高阶求积，减少粒子爆炸。

C. Litterer, T. Lyons

基于因果关系和反应函数，将多环和树状结构的量子场论幅度转化为在壳空间的积分，推广Feynman树定理。

Simon Caron-Huot

使用限制正定核在嵌入子流形上进行散乱数据插值，提供Sobolev误差估计。

Edward Fuselier, Grady Wright

基于双平均的分布式优化算法，收敛速度与网络的谱隙成反比，适用于大规模网络。

John Duchi, Alekh Agarwal, Martin Wainwright

观察性社交网络研究中，同质性与传染性通常是混淆的，需强假设以区分。

Cosma Rohilla Shalizi, Andrew C. Thomas

基于高斯过程和贝叶斯学习的未知约束优化方法，应用于医疗政策问题。

Robert B. Gramacy, Herbert K. H. Lee

通过单次调用单调分配规则，实现随机化诚实机制。

Moshe Babaioff, Robert D. Kleinberg, Aleksandrs Slivkins

提出基于上下文的Bandit算法LinUCB，用于个性化新闻推荐，提升点击率12.5%。

Lihong Li, Wei Chu, John Langford 等

采用自适应方法构建密度估计的置信带，覆盖“泛”子集，结合小波和核密度估计，获得极值极限定理。

Evarist Giné, Richard Nickl

Exp4.P算法在上下文赌博机问题中实现了监督学习级别的保证，显著降低了遗憾。

Alina Beygelzimer, John Langford, Lihong Li 等

利用测试马丁格尔与贝叶斯因子关系，提出限制夸大证据的函数，定义p值与贝叶斯因子的转换。

Glenn Shafer, Alexander Shen, Nikolai Vereshchagin 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

利用随机采样构建近似矩阵分解，提升大规模数据处理效率。

Nathan Halko, Per-Gunnar Martinsson, Joel A. Tropp

提出量子算法生成热Gibbs态，时间上界为D^α，α与系统自由能密度相关。

David Poulin, Pawel Wocjan

提出了一种基于量子反射和量子行走的QMA快速放大方法，将验收概率间隙指数放大，速度比Marriott和Watrous方法快两倍。

Daniel Nagaj, Pawel Wocjan, Yong Zhang