提出基于镜像梯度的去中心化在线优化算法，用于动态环境中的全局目标追踪。
Shahin Shahrampour, Ali Jadbabaie
利用GRU深度神经网络进行多任务学习提升文本推荐准确率，特别在冷启动场景中表现优异。
Trapit Bansal, David Belanger, Andrew McCallum
提出基于注意力机制的联合意图检测与槽填充模型，在ATIS任务中实现最优性能。
Bing Liu, Ian Lane
提出一种自主学习机器人方法，利用RGBD图像预测目标类别，实现密集堆积物的自动分类与排序。
Janne V. Kujala, Tuomas J. Lukka, Harri Holopainen
本研究揭示高斯混合模型中局部极大值存在性及其对EM算法的影响。
Chi Jin, Yuchen Zhang, Sivaraman Balakrishnan 等
利用EEG和RNN学习视觉类别的脑活动流形，再用CNN投影图像，实现脑驱动的自动分类。
Concetto Spampinato, Simone Palazzo, Isaak Kavasidis 等
提出基于滤波器剪枝的加速方法，通过剪除影响较小的滤波器，VGG-16可节省34%，ResNet-110达38%，同时保持接近原始精度。
Hao Li, Asim Kadav, Igor Durdanovic 等
论文用PGA与SGLD攻击MovieLens上的矩阵分解推荐系统；β=0.6时隐蔽性检验p>0.7。
Bo Li, Yining Wang, Aarti Singh 等
利用GloVe词向量和WEAT/WEFAT检测语言中的人类偏见，揭示文化中的隐性偏差。
Aylin Caliskan, Joanna J. Bryson, Arvind Narayanan
提出DenseNet，通过层间全连接实现参数减少和信息流增强，在CIFAR-10/100、SVHN、ImageNet上显著优于ResNet。
Gao Huang, Zhuang Liu, Laurens van der Maaten 等
基于Polyak-Łojasiewicz (PL)不等式，证明梯度及近端梯度方法的线性收敛，适用于非强凸问题。
Hamed Karimi, Julie Nutini, Mark Schmidt
提出Stein变分梯度下降（SVGD）算法，通过粒子演化实现贝叶斯推断，KL散度最小化。
Qiang Liu, Dilin Wang
提出偏差反馈无偏学习排序（Propensity SVM-Rank），通过逆倾向评分实现偏差校正。
Thorsten Joachims, Adith Swaminathan, Tobias Schnabel
利用连续模型哈密顿量和量子微扰理论揭示单层MoS₂的高阶非线性多光子过程，强调三角畸变作用。
A. Säynätjoki, L. Karvonen, H. Rostami 等
利用反演与神经网络增强RANS模型，提升空气动力学中分离流预测精度。
Anand Pratap Singh, Shivaji Medida, Karthik Duraisamy
提出了一种在夹爪姿态不确定性下的抓取函数学习方法，提高了抓取的鲁棒性。
Edward Johns, Stefan Leutenegger, Andrew J. Davison
提出焦点机制的编码器-解码器模型，基于BLSTM-LSTM，显著提升语音理解中的序列标注性能。
Su Zhu, Kai Yu
利用变分自编码器和生成对抗网络嵌入道路帧，结合条件循环神经网络实现驾驶视频预测。
Eder Santana, George Hotz
提出扩展连接时序分类（ECTC）框架，用于弱监督视频动作标注，利用帧间视觉相似性提升性能。
De-An Huang, Li Fei-Fei, Juan Carlos Niebles
用SVD应力基与贪心剪枝，仅移除约1%键即可编程远程力学响应。
Jason W. Rocks, Nidhi Pashine, Irmgard Bischofberger 等