超过80亚马逊科学家和工程师将参加今年的国际会议上机器学习(ICML)在斯德哥尔摩,瑞典,有11个文件由亚马逊被提出。
“ICML是机器学习研究的主要渠道之一,”尼尔·劳伦斯说,机器学习主任亚马逊的供应链优化技术项目。“这是一个伟大的机会,找出其他研究人员已经和分享一些自己的经验。“在ICML,劳伦斯的团队的成员将一篇题为“结构化变分Auto-encoded优化”,描述了一个机器学习的方法来优化,或者选择变量的值在某些特定结果最大化的过程。
论文的第一作者是小雨,牛津大学的研究生从事该项目去年夏天在亚马逊实习,然后返回1月做一些后续工作。加入她的劳伦斯和两个机器学习科学家在劳伦斯的小组,冈萨雷斯哈维尔·埃尔南德斯和戴Zhenwen。“我们不可能这样做没有小雨的出色工作,”赫尔南德斯说。
”有一个被称为贝叶斯技术优化,努力学习可以控制一个输入和一个输出之间的关系,”劳伦斯解释道。“哈维尔喜欢使用的例子酿造世界上最好的啤酒。劳伦斯说,“这里的输入将所有的啤酒发酵过程的可控参数,如温度、曝气,和酵母浓度,和输出是衡量啤酒的质量。
“贝叶斯优化工作当你可以改变的事情的数量很小,”劳伦斯说。“如果你让你的啤酒,一千种不同的变化,这些东西不要工作得很好。摘要聪明的一点是这些变化映射到低维空间,然后我们做优化的低维空间”。
执行映射,劳伦斯解释说,他的研究小组使用一种称为变分autoencoder神经网络。autoencoder是独特的,其产出的目的是作为其输入完全相同。但在输入和输出之间,网络挤压输入到一个更紧凑的表示。培训是一种学习如何产生一个表示,保留足够的信息输入,网络的输出将是一个相当忠实的重建。
机器学习经理也参加ICML尔伯兹Geramifard在Alexa AI的组织。“ICML是世界上顶级会议的人兴奋的机器学习,目前一个很热的话题,“Geramifard说。“它吸引了非常好的池的人。”
”的一件事我喜欢ICML,总会有好的论坛,专注于非常具体的话题,“Geramifard补充道。“举个例子,我非常兴奋对话和机器学习,还有车间和特定的追踪和其他机会谈论这个话题,你可以坐在一个房间里有非常先进的贡献者在那个空间,向他们提出我的想法,和谈论自己的经历。”
与亚马逊ICML论文合著者:
标题:结构化变分Auto-encoded优化
作者:小雨陆(牛津大学)·哈维尔·冈萨雷斯(亚马逊)·戴Zhenwen (Amazon.com)·尼尔·劳伦斯(亚马逊)
标题:通过时间标签传播Semi-Supervised学习数据流
作者:Tal瓦格纳(MIT)·Sudipto(亚马逊)·古哈婆Kasiviswanathan(亚马逊)·尼娜Mishra(亚马逊)
标题:在多元线性回归模型中检测非因果工件
作者:杜米尼克Janzing(亚马逊研究图宾根)·伯纳德Scholkopf(亚马逊/ MPI智能系统)
标题:检测和纠正与黑盒标签转移预测
作者:圣扎迦利利普顿(亚马逊/卡内基梅隆大学)·Yu-Xiang王(亚马逊/ UCSB)·亚历山大Smola(亚马逊)
标题:改进高斯微分隐私机制:分析校准和最佳去噪
作者:哈德Balle Pigem(亚马逊研究)·王Yu-Xiang UCSB(亚马逊/)
标题:signSGD:压缩为非凸优化问题
作者:杰里米·伯恩斯坦(加州理工学院)王(亚马逊/ UCSB)··Yu-Xiang Kamyar Azizzadenesheli(加州大学欧文分校/斯坦福)·生命Anandkumar(亚马逊AI /加州理工学院)
标题:重生神经网络
作者:托马索Furlanello(南加州大学)·扎卡里·利普顿(亚马逊/卡内基梅隆大学)·迈克尔能(苏黎世ETH)·劳伦Itti(南加州大学)·生命Anandkumar(亚马逊AI /加州理工学院)
标题:稳定渐变深神经网络通过高效的计算参数
作者:Jiong张(德克萨斯大学奥斯汀分校)·齐Lei(德克萨斯大学奥斯汀分校)·Inderjit Dhillon (UT奥斯汀/亚马逊)
标题:通过傅里叶周期性单元学习长期依赖关系
作者:Jiong张(德克萨斯大学奥斯汀分校)·Yibo林(可能)(可能)··赵歌Inderjit Dhillon (UT奥斯汀/亚马逊)
标题:对认证ReLU网络鲁棒性的快速计算
作者:Tsui-Wei(莉莉)翁(MIT)·张洹(加州大学戴维斯分校)·陈(MIT)红歌·赵歌(可能)·Cho-Jui谢长廷(加州大学戴维斯分校)丹尼尔·卢卡(MIT)·杜安去骨(MIT)·Inderjit Dhillon (UT奥斯汀和亚马逊)
标题:学习迭代算法的稳态图
作者:Hanjun戴(佐治亚理工学院)·Zornitsa Kozareva(谷歌)戴·博(美国乔治亚理工学院(Georgia Institute of Technology)·亚历克斯Smola(亚马逊)·勒歌(乔治亚理工学院)
另外,亚马逊宣布11个重点领域2018年的亚马逊研究奖资助项目提供高达80000美元的资金和20000美元的亚马逊网络服务(AWS)学分学术研究者研究机器学习相关的话题。
