基于残差网络的分布匹配方法（MMD-ResNet）有效去除批次效应，应用于CyTOF和单细胞RNA测序数据。
Uri Shaham, Kelly P. Stanton, Jun Zhao 等
提出方程学习器（EQL），可学习解析表达式并实现超出训练域的外推。
Georg Martius, Christoph H. Lampert
提出Xception架构，基于深度可分离卷积，性能优于Inception V3，参数效率高。
François Chollet
提出了一种自集成方法，将SVHN错误率从18.44%降至7.05%。
Samuli Laine, Timo Aila
利用softmax概率检测神经网络中的误分类和分布外样本，提升检测准确率。
Dan Hendrycks, Kevin Gimpel
提出线性分类探针监测中间层特征，发现深层特征线性可分性单调增强。
Guillaume Alain, Yoshua Bengio
深度ReLU网络在Sobolev空间中比浅层网络更高效地逼近光滑函数。
Dmitry Yarotsky
结合深度视频预测与模型预测控制，实现机器人无需标定自主操控未知物体。
Chelsea Finn, Sergey Levine
Fossil通过融合相似度模型与马尔可夫链，在稀疏数据集上实现了更优的个性化序列推荐。
Ruining He, Julian McAuley
提出基于变分自编码器的深度生成模型，结合DGDN解码器与CNN编码器，实现图像、标签和字幕的联合学习。
Yunchen Pu, Zhe Gan, Ricardo Henao 等
采用3D卷积神经网络实现形状补全，训练集超44万样本，提升机器人抓取的准确性和速度。
Jacob Varley, Chad DeChant, Adam Richardson 等
采用深层LSTM、注意力机制和子词单元的GNMT系统，实现了在WMT'14英法、英德任务中的优异表现。
Yonghui Wu, Mike Schuster, Zhifeng Chen 等
通过步函数将最小重叠问题的上界从0.382002降至0.380926。
Jan Kristian Haugland
研究非stoquastic哈密顿量在量子退火中的表现，利用长程伊辛玻璃模型，发现非stoquastic在难题中表现优越。
L. Hormozi, E. W. Brown, G. Carleo 等
提出稀疏回归方法PDE-FIND，自动识别偏微分方程中的关键项。
Samuel H. Rudy, Steven L. Brunton, Joshua L. Proctor 等
SeqGAN结合强化学习与GAN，解决序列离散生成难题，实现高质量文本生成。
Lantao Yu, Weinan Zhang, Jun Wang 等
使用最大熵原理的多声部音乐风格模仿与和弦创作，评估在巴赫合唱中的表现。
Gaëtan Hadjeres, Jason Sakellariou, François Pachet
提出SRGAN，用生成对抗网络实现4倍超分辨率，显著提升感知质量。
Christian Ledig, Lucas Theis, Ferenc Huszar 等
提出一种基于左-右一致性的新型无监督单目深度估计方法，在KITTI数据集上超越监督方法。
Clément Godard, Oisin Mac Aodha, Gabriel J. Brostow
利用GAN学习自然图像流形，通过约束优化实现高逼真度的图像编辑与变换。
Jun-Yan Zhu, Philipp Krähenbühl, Eli Shechtman 等