PESC算法在不确定约束下的贝叶斯优化中表现优于EI方法。
José Miguel Hernández-Lobato, Michael A. Gelbart, Matthew W. Hoffman 等
利用多层LSTM学习视频序列表征，通过自编码和未来预测提升动作识别性能。
Nitish Srivastava, Elman Mansimov, Ruslan Salakhutdinov
SLIM方法通过整数规划优化医疗评分系统的准确性和稀疏性。
Berk Ustun, Cynthia Rudin
MADE通过参数掩码实现自回归约束，显著提升分布估计效率。
Mathieu Germain, Karol Gregor, Iain Murray 等
提出批归一化（Batch Normalization）技术，通过标准化层输入加速深度网络训练，减少内部协变量偏移。
Sergey Ioffe, Christian Szegedy
提出了一种基于视觉注意力的图像描述生成模型，在MS COCO上取得了最先进的性能。
Kelvin Xu, Jimmy Ba, Ryan Kiros 等
使用随机舍入的16位定点数训练深度网络，准确率几乎无损。
Suyog Gupta, Ankur Agrawal, Kailash Gopalakrishnan 等
提出基于多核并行的高维因果发现PC算法，有效缩短运行时间。
Thuc Duy Le, Tao Hoang, Jiuyong Li 等
ORB-SLAM利用ORB特征实现实时单目SLAM，具有高鲁棒性和精度。
Raul Mur-Artal, J. M. M. Montiel, Juan D. Tardos
提出基于互惠得分的在线交友推荐系统，利用兴趣与吸引力相似性提升匹配效果。
Peng Xia, Benyuan Liu, Yizhou Sun 等
利用EXAA电价作为外部回归变量，提升欧洲日电价预测模型的准确性。
Florian Ziel, Rick Steinert, Sven Husmann
使用SRCNN实现图像超分辨率，提升PSNR至27.95 dB。
Chao Dong, Chen Change Loy, Kaiming He 等
提出基于低差异序列的准蒙特卡洛特征映射，提升Shift-Invariant核的逼近效率。
Haim Avron, Vikas Sindhwani, Jiyan Yang 等
提出深度炸鸡卷（Deep Fried ConvNets），用Fastfood层替代全连接层，参数减少90%，性能不变。
Zichao Yang, Marcin Moczulski, Misha Denil 等
Adam算法结合一阶梯度估计与自适应学习率，提升大规模随机优化效率。
Diederik P. Kingma, Jimmy Ba
提出Elastic Averaging SGD（EASGD）算法，通过弹性力机制在深度学习分布式训练中实现高效通信与探索，显著提升训练速度和模型性能。
Sixin Zhang, Anna Choromanska, Yann LeCun
通过隐式正则化控制深度学习中的容量，而非网络规模。
Behnam Neyshabur, Ryota Tomioka, Nathan Srebro
通过在自编码器中加入交叉协方差惩罚，发现深度网络中的隐藏变化因素。
Brian Cheung, Jesse A. Livezey, Arjun K. Bansal 等
MatConvNet为MATLAB实现的CNN工具箱，支持快速原型设计与GPU加速。
Andrea Vedaldi, Karel Lenc
本文提出了一种高层次的CCD和CMOS图像传感器噪声模拟模型，验证了其有效性。
Mikhail Konnik, James Welsh