Perturbed梯度下降实现高效逃离鞍点，达成近似二阶驻点。
Chi Jin, Rong Ge, Praneeth Netrapalli 等
提出GPU上的k选择算法，性能达峰值的55%，实现8.5倍速度提升。
Jeff Johnson, Matthijs Douze, Hervé Jégou
改进的Neural GPU架构显著减少训练时间并提高算法学习的泛化能力。
Karlis Freivalds, Renars Liepins
提出一种连接有限与超总体因果推断的框架，基于方差分解与完备性论证，适用于完全随机化实验。
Peng Ding, Xinran Li, Luke W. Miratrix
本研究证明SGD在多层网络中能以多项式时间学习与网络共轭核空间内函数。
Amit Daniely
提出基于LP松弛的多修复队伍调度算法，有效缩短恢复时间。
Yushi Tan, Feng Qiu, Arindam K. Das 等
提出深能量模型的软Q学习算法，提升连续空间中的探索与技能迁移能力。
Tuomas Haarnoja, Haoran Tang, Pieter Abbeel 等
本文证明在高斯输入下，带ReLU的卷积神经网络通过梯度下降可在多项式时间内达到全局最优。
Alon Brutzkus, Amir Globerson
本研究证明组合赌博中最优遗憾增长为\(\widetilde{\Theta}(k^{3/2}\sqrt{dT})\)，反驳了此前的猜想。
Alon Cohen, Tamir Hazan, Tomer Koren
扩展Sobolev核正则化学习率，结合积分算子与嵌入性质，提升硬学习场景中的泛化能力。
Simon Fischer, Ingo Steinwart
利用概率图模型自动生成科学论文海报，结合内容布局与元素优化。
Yu-ting Qiang, Yanwei Fu, Xiao Yu 等
提出ADDA，结合判别模型与非绑定权重，实现无监督跨域适应，超越SOTA。
Eric Tzeng, Judy Hoffman, Kate Saenko 等
提出Cognitive Mapper and Planner (CMP)，结合端到端学习实现视觉导航中的映射与路径规划。
Saurabh Gupta, Varun Tolani, James Davidson 等
提出分布式姿态图优化算法（DGS、SOR、JOR）及对象模型，显著降低通信负担。
Siddharth Choudhary, Luca Carlone, Carlos Nieto 等
提出SiLU和dSiLU激活函数，结合TD(λ)和Sarsa(λ)，在强化学习中实现超越DQN的性能。
Stefan Elfwing, Eiji Uchibe, Kenji Doya
提出一种半监督深度学习方法，通过稀疏激光雷达数据和立体图像对单目深度预测达到KITTI数据集SOTA性能。
Yevhen Kuznietsov, Jörg Stückler, Bastian Leibe
用广义Navier–Stokes方程证明奇黏度可使涡核增密并令激波横向流动。
Debarghya Banerjee, Anton Souslov, Alexander G. Abanov 等
Mu等提出简单后处理：去除词向量的均值和前D个主成分，提升词表征性能。
Jiaqi Mu, Suma Bhat, Pramod Viswanath
使用卷积神经网络估计相机相对姿态，性能优于SURF和ORB。
Iaroslav Melekhov, Juha Ylioinas, Juho Kannala 等
提出Wasserstein GAN，通过优化EM距离改善训练稳定性与模式崩溃问题。
Martin Arjovsky, Soumith Chintala, Léon Bottou