clingo 4结合ASP与控制，支持复杂推理和动态程序管理。
Martin Gebser, Roland Kaminski, Benjamin Kaufmann 等
提出MS COCO数据集，含91类、2.5百万实例，强化场景理解与精确定位。
Tsung-Yi Lin, Michael Maire, Serge Belongie 等
提出一种结合数据并行与模型并行的卷积神经网络训练加速方法，显著提升GPU扩展性。
Alex Krizhevsky
利用线性结构压缩卷积滤波器，模型速度提升2-3倍，误差控制在1%。
Remi Denton, Wojciech Zaremba, Joan Bruna 等
提出一种基于ADMM的分布式最优潮流算法，在2065节点网络中实现0.6秒收敛。
Qiuyu Peng, Steven H. Low
提出多句连贯视频描述模型，支持多层次细节，结合语义表示和视觉识别创新。
Anna Senina, Marcus Rohrbach, Wei Qiu 等
利用已训练的OverFeat卷积神经网络特征，线性SVM实现多任务识别，性能优越。
Ali Sharif Razavian, Hossein Azizpour, Josephine Sullivan 等
提出基于多尺度可逆定向得分的血管增强方法，显著改善交叉和分支处血管检测。
Julius Hannink, Remco Duits, Erik Bekkers
提出零偏自编码器，通过去耦激活函数解决高维数据表示难题，提升识别性能。
Kishore Konda, Roland Memisevic, David Krueger
引入嵌套Dropout实现有序表示，确保单位唯一性，等价于PCA，提升检索与压缩效率。
Oren Rippel, Michael A. Gelbart, Ryan P. Adams
本综述提出多目标序贯决策的三类场景，分类算法并分析其最优解特性。
Diederik Marijn Roijers, Peter Vamplew, Shimon Whiteson 等
NEXUS+揭示宇宙网：MS/MS-II中簇和丝主导，长丝可达>100 h^-1Mpc。
Marius Cautun, Rien van de Weygaert, Bernard J. T. Jones 等
采用MCTS和MCCFR近似求解Poker中的Nash均衡，结合RNR实现鲁棒最佳反应。
Marc Ponsen, Steven de Jong, Marc Lanctot
基于集合概率的贝叶斯更新与时间一致性分析，强调矩形性条件的重要性
Peter D Grunwald, Joseph Y Halpern
提出一种基于分布式平均控制的微电网分层控制方法，实现经济调度与稳态频率优化，验证了其灵活性与鲁棒性。
Florian Dörfler, John Simpson-Porco, Francesco Bullo
Petuum平台利用误差容忍和动态调度，实现大规模分布式机器学习，支持亿级参数模型。
Eric P. Xing, Qirong Ho, Wei Dai 等
体积跨架以至多12d个点构造低方差探索基，并实现一般凸集上的高效近最优BLO。
Elad Hazan, Zohar Karnin, Raghu Mehka
采用Dropout算法，验证其在神经网络中缓解灾难性遗忘的效果，实验数据表明其在多任务迁移中表现优越。
Ian J. Goodfellow, Mehdi Mirza, Da Xiao 等
提出基于图谱谱的谱网络与局部连接网络，参数与输入规模无关，适用于低维图。
Joan Bruna, Wojciech Zaremba, Arthur Szlam 等
提出重参数化变分贝叶斯（SVGB）及自编码变分贝叶斯（AEVB）算法，有效处理连续潜变量的推断与学习。
Diederik P Kingma, Max Welling