本研究分析神经网络训练的计算复杂性，提出超规格网络易训练的正面结果及深度多项式网络的高效算法。
Roi Livni, Shai Shalev-Shwartz, Ohad Shamir
提出基于梯度反转层的无监督域适应方法，提升图像分类中的跨域性能。
Yaroslav Ganin, Victor Lempitsky
提出Inception架构，通过多尺度卷积模块提升深度网络性能，参数仅为Krizhevsky的12%，在ILSVRC 2014获最佳分类检测。
Christian Szegedy, Wei Liu, Yangqing Jia 等
提出基于多层LSTM的端到端序列到序列学习方法，在英法翻译中BLEU达34.8，优于传统统计模型。
Ilya Sutskever, Oriol Vinyals, Quoc V. Le
利用光子-原子频率梳协议在20米铒离子掺杂光纤中实现1532 nm光子存储，保持高保真度和纠缠。
Erhan Saglamyurek, Jeongwan Jin, Varun B. Verma 等
基于ImageNet的ILSVRC挑战，采用深度卷积神经网络（如AlexNet、VGG、ResNet）实现百万级图像分类与检测，显著提升准确率。
Olga Russakovsky, Jia Deng, Hao Su 等
提出结合软对齐的神经机器翻译模型，有效缓解长句信息瓶颈。
Dzmitry Bahdanau, Kyunghyun Cho, Yoshua Bengio
提出一种基于数据的扩展动态模态分解（EDMD）方法，用于逼近Koopman算子特征值、特征函数和模态。
Matthew O. Williams, Ioannis G. Kevrekidis, Clarence W. Rowley
提出SimLex-999，专注于真实语义相似性评估，超越WordSim-353和MEN，涵盖多类词性和抽象/具体概念。
Felix Hill, Roi Reichart, Anna Korhonen
提出EM算法的统计保证框架，结合样本与总体分析，适用于高维模型。
Sivaraman Balakrishnan, Martin J. Wainwright, Bin Yu
本文提出了用于树搜索的Bandit算法，改进了UCT算法的过于乐观问题。
Pierre-Arnuad Coquelin, Remi Munos
EAGLE利用改进的热能反馈模型，成功模拟出符合观测的低红移星系质量函数，达0.2dex精度。
Joop Schaye, Robert A. Crain, Richard G. Bower 等
引入“智能试错”算法，机器人在受损后两分钟内自主适应，模拟动物的修复行为。
Antoine Cully, Jeff Clune, Danesh Tarapore 等
基于运动诱导相分离（MIPS）机制，利用自驱动粒子速度与局部密度的关系，揭示非平衡相行为。
Michael E. Cates, Julien Tailleur
提出预测熵搜索(PES)方法，提升黑箱函数优化效率。
José Miguel Hernández-Lobato, Matthew W. Hoffman, Zoubin Ghahramani
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