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
利用梯度反向传播实现卷积网络的类别模型和显著性图可视化，推动弱监督目标定位。
Karen Simonyan, Andrea Vedaldi, Andrew Zisserman
提出基于FFT的卷积训练加速算法，实现训练和推理速度提升十倍以上。
Michael Mathieu, Mikael Henaff, Yann LeCun
深度专家混合模型在MNIST上表现出色，自动学习位置和类别特定专家。
David Eigen, Marc'Aurelio Ranzato, Ilya Sutskever
提出基于两点函数值的无梯度凸优化算法，达成与梯度法相近的收敛速率。
John C. Duchi, Michael I. Jordan, Martin J. Wainwright 等