'Persidangan Parsimony dan Pembelajaran (CPAL)' kedua akan diadakan di Universiti Stanford, dan panggilan untuk kertas kerja sedang dijalankan.

Pengenalan Persidangan CPAL

CPAL ialah persidangan akademik berasaskan penyelidikan tahunan yang memfokuskan pada menyelesaikan masalah biasa yang parsimoni dan berdimensi rendah dalam bidang pembelajaran mesin, pemprosesan isyarat, pengoptimuman, dsb. Struktur). Titik permulaan untuk mewujudkan persidangan ini adalah untuk mereka bentuknya sebagai forum saintifik sejagat yang membolehkan penyelidik dalam pembelajaran mesin, matematik gunaan, pemprosesan isyarat, pengoptimuman, sistem pintar, dan semua bidang saintifik dan kejuruteraan yang berkaitan untuk bersatu, berkongsi pandangan, dan usaha muktamad adalah untuk mencapai rangka kerja teori dan pengiraan moden yang sama untuk memahami kecerdasan dan sains dari perspektif pembelajaran yang parsimoni.

CPAL pertama telah berjaya diadakan di Universiti Hong Kong pada Januari 2024. Persidangan itu menarik ratusan peserta dari seluruh dunia dan mengandungi empat hari aktiviti dengan agenda yang berwarna-warni. Persidangan yang julung kali diadakan itu menjemput sembilan penceramah jemputan, 16 pemenang Anugerah Bintang Bangkit, dan hampir seratus kertas kerja (dwi lagu) yang diterima untuk pembentangan lisan atau poster.

CPAL 2025

CPAL kedua akan diadakan di Universiti Stanford pada akhir Mac 2025, dihoskan oleh Pusat Pengajian Sains Data Universiti Stanford.

Visi persidangan:

"Semuanya harus dibuat semudah mungkin, tetapi bukan yang lebih mudah." – Albert Einstein

Salah satu sebab paling asas untuk kewujudan kecerdasan atau sains, malah kemunculannya. , adalah bahawa dunia tidak sempurna Rawak, tetapi sangat berstruktur dan boleh diramal. Oleh itu, tujuan dan fungsi asas kecerdasan atau sains adalah untuk mempelajari model (atau undang-undang) yang parsimoni daripada sejumlah besar data dunia yang dirasakan untuk memahami struktur yang boleh diramal ini.

Sepanjang dekad yang lalu, kemunculan pembelajaran mesin dan pengkomputeran berskala besar telah mengubah secara mendadak cara kami memproses, mentafsir dan meramal data dalam kejuruteraan dan sains. Pendekatan "tradisional" untuk mereka bentuk algoritma berdasarkan model parametrik isyarat dan struktur pengukuran tertentu (seperti model jarang dan berpangkat rendah), dan kit alat pengoptimuman yang berkaitan, kini telah diperkaya dengan teknik pembelajaran dipacu data, antaranya Large Rangkaian berskala dipralatih dan kemudian disesuaikan dengan pelbagai tugas khusus. Walau bagaimanapun, kejayaan paradigma, sama ada berasaskan data moden atau berasaskan model klasik, secara kritikal bergantung pada mengenal pasti dengan betul struktur dimensi rendah yang terdapat dalam data sebenar, dan kami mempertimbangkan peranan pembelajaran dan algoritma pemprosesan data mampatan, sama ada eksplisit atau tersirat. , seperti rangkaian dalam) tidak dapat dipisahkan.

Baru-baru ini, kemunculan model asas telah menyebabkan beberapa orang mencadangkan bahawa parsimoni dan pemampatan itu sendiri adalah bahagian asas matlamat pembelajaran sistem pintar, yang menghubungkan dengan pandangan neurosains tentang pemampatan sebagai prinsip panduan dalam perwakilan otak data persepsi dalam dunia. Secara keseluruhan, bidang penyelidikan ini setakat ini telah berkembang secara relatifnya, walaupun asas dan tujuannya terletak pada kesederhanaan dan pembelajaran. Matlamat kami menganjurkan persidangan ini adalah untuk menyatukan penyelesaian dan memperdalam lagi penyelidikan mengenai masalah ini: kami mahu persidangan ini menjadi forum saintifik universal untuk pembelajaran mesin, matematik gunaan, pemprosesan isyarat, pengoptimuman, sistem pintar dan semua bidang sains yang berkaitan dan kejuruteraan Penyelidik boleh berkomunikasi rapat di sini, berkongsi pandangan, dan akhirnya bergerak ke arah rangka kerja teori dan pengiraan moden untuk memahami kecerdasan dan sains dari perspektif pembelajaran ringkas.

Key Tarikh:

• 25 November, 2024: Tarikh akhir untuk penyerahan kertas persidangan
• 6 Disember 2024: Tarikh akhir untuk cadangan tutorial
• 15 Disember 2024: Permohonan untuk "Akademik Rising Star" Deadline
• January 3 -6, 2025: Penafian Kertas
• 4 Januari 2025: Keluaran keputusan tutorial
• 5 Januari 2025: Tarikh akhir penyerahan artikel "Fokus Terkini"
• 2025 30 Januari: Keputusan semakan kertas akhir dikeluarkan
24 Mac
• : Persidangan diadakan di Universiti Stanford

Semua tarikh akhir ialah 11:00 malam UTC-12:00 zon waktu (di mana-mana sahaja di Bumi) 59.

Academic Rising Star "Rising Star" Program Galakan

Untuk menggalakkan dan menyokong pasukan baharu dalam bidang akademik, CPAL telah menubuhkan khas program "Rising Star" untuk menemui dan memuji penyelidik muda yang mempunyai prestasi cemerlang dalam bidang kesederhanaan dan pembelajaran. Kami mengalu-alukan pelajar kedoktoran, postdoc dan sarjana muda untuk menyerahkan kerja penyelidikan mereka. "Bintang Yang Meningkat" yang terpilih akan berpeluang untuk membentangkan keputusan mereka pada persidangan itu dan mendapat peluang berharga untuk berkomunikasi dengan sarjana terkemuka dalam bidang tersebut. Kami berharap melalui program ini, kami dapat memberi inspirasi kepada potensi inovatif lebih ramai penyelidik generasi baharu dan menggalakkan pembangunan kesederhanaan dan bidang pembelajaran.

Penyerahan kertas dan bidang subjek

Persidangan CPAL merangkumi dua trek: Trek Prosiding dan Trek Spotlight Terkini untuk butiran, sila rujuk laman web rasmi: https://cpal.cc/ tracks/

• Trek "Prosiding Persidangan" (Diarkibkan): Peringkat penyerahan dan semakan adalah buta dua kali. Persidangan menggunakan OpenReview untuk menganjurkan kertas kerja dan membenarkan perbincangan terbuka. Kertas yang lengkap boleh sehingga sembilan muka surat, dengan halaman tanpa had untuk rujukan dan lampiran.
• Lagu "Sorotan Terkini" (tidak diarkibkan): Serahkan kertas gaya persidangan (sehingga sembilan halaman, dengan halaman tambahan untuk rujukan) yang menerangkan kerja. Sila muat naik abstrak ringkas (250 patah perkataan) pada OpenReview. Semakan akan dijalankan dengan cara buta tunggal (pengarang tidak perlu menyerahkan tanpa nama).

Inovasi penting dalam mekanisme semakan: Setiap kertas kerja mempunyai Pengerusi Program yang bertanggungjawab untuk membimbingnya. Bagi setiap kertas kerja yang diterima, nama Pengerusi Kawasan yang bertanggungjawab dan Pengerusi Program akan disiarkan secara terbuka pada halaman OpenReview untuk memastikan akauntabiliti. Untuk setiap kertas yang ditolak (tidak termasuk penarikan balik), hanya nama Pengerusi Program yang bertanggungjawab dipaparkan. Penyemak akan dinilai dan dipilih secara dinamik.

CPAL mengalu-alukan penyerahan yang berkaitan dengan bidang minat berikut, termasuk tetapi tidak terhad kepada:

• Teori dan Asas: Pengekodan jarang, jarang berstruktur, pembelajaran subruang, manifold dimensi rendah dan teori struktur dimensi rendah am . Pembelajaran kamus dan pembelajaran perwakilan struktur berdimensi rendah, dan kaitannya dengan teori pembelajaran mendalam. Pemodelan kesetaraan dan invarian. Asas neurosains teori dan sains kognitif, dan mekanisme pengiraan yang diilhamkan secara biologi.
• Pengoptimuman dan Algoritma: Kaedah pengoptimuman, keteguhan dan generalisasi untuk mempelajari perwakilan yang padat dan berstruktur. Seni bina dalam yang boleh ditafsir dan cekap (seperti yang berdasarkan pengoptimuman terungkap). Kaedah latihan dan inferens yang cekap data dan cekap dari segi pengiraan. Algoritma pembelajaran dan inferens yang adaptif dan mantap. Aplikasi pembelajaran teragih, rangkaian atau bersekutu dalam persekitaran berskala besar. Kaedah pembelajaran pengurangan dimensi tak linear dan perwakilan lain.
• Data, Sistem dan Aplikasi: Set data, penanda aras dan metrik penilaian khusus domain. Mempelajari perwakilan yang parsimoni dan berstruktur daripada data. Masalah songsang yang mendapat manfaat daripada perkara terdahulu yang parsimoni. Reka bentuk bersama perkakasan dan sistem untuk algoritma pembelajaran yang parsimoni. Pembelajaran parsimoni yang menyepadukan gelung tindakan deria dalam sistem pintar. Aplikasi dalam sains, kejuruteraan, perubatan, dan sains sosial. Pasukan Persidangan CPAL 2025 Pengerusi Program ( Program Kerusi):

Bedi Chen (Universiti Carnegie Mellon)

Mert Pilanci (Universiti Stanford)

Jeremias Sulam (Universiti Johns Hopkins)

Wang Yuxiang (University of California, San Diego)

• Persidangan Iklan Penasihat Kanan kepada Pengerusi Program):

Wang Zhangyang (Universiti Texas di Austin)

Qu Qing (Universiti Michigan)

• Kerusi Tempatan (Kerusi Tempatan):
• Chenia Yuii Universiti Davis)
• Sara Fridovich-Keil (Universiti Stanford/Georgia Tech)

Liu Sheng (Universiti Stanford)

Kerusi Penerbitan (Kerusi Penerbitan)

• Universiti Pennsylvania
• ( Ohio Universiti Negeri) Kerusi Perhubungan Industri

Babak EhteShami Bejnordi Kerusi Panel (Kerusi Panel)

• Saiprasad Ravishankar
• Lei Qi (Universiti New York)
Red Shiwei
• Universiti of California, Santa Barbara)

Kerusi Anugerah Bintang Yang Meningkat (Rising Stars Award Chairs)

• Shen Liyue (Universiti Michigan)

Kerusi Web (Kerusi Web ToySam)

• Teknologi, Universiti Chicago)
• Kami dengan ikhlas menjemput penyelidik dalam semua bidang berkaitan untuk menyumbang, berkongsi hasil penyelidikan anda dan menggalakkan kesederhanaan dan pembangunan bidang pengajian.

Atas ialah kandungan terperinci 'Persidangan Parsimony dan Pembelajaran (CPAL)' kedua akan diadakan di Universiti Stanford, dan panggilan untuk kertas kerja sedang dijalankan.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!