所有文章 > 正文

智库丨从ICML智库看机器学习的新一代领导者

作者: 学术小白

时间: 2019-06-21 19:15

ICML2019届会议结束不久,全球华人专家库对大会论文收录人员的信息进行整理,得到ICML2019华裔作者库和ICML2019一作学生库两个智库。ICML2019一作学生库收录目前身份依然是学生的学者,统计他们的信息,记录新一代机器学习的领导者。

ICML2019一作学生库共收录48为学者,学历从学士到博士不等,H指数最高为7,本文将分享他们所在的领域,研究他们的成就,探索深度学习未来的发展方向。

卡耐基梅隆大学的杜少雷博士论文被ICML会议收录,目前是博三的学生,但是论文数量30+,全球华人专家库收录杜少雷同学的21篇论文,统计人物基本信息,以及论文关联人物。

杜少雷同学的论文显示如下,按照引用量排序,可以看到论文引用量最高为43,表示该篇论文影响力较高,当然在论文列表最后也有引用量为0的论文。

全球华人专家库对专家画像的展示上述均有涉及,具备筛选、排序、以及信息折叠等功能,还可以从专家画像页面进入专家迁移地图界面。

上述以杜少雷同学为例介绍专家画像界面,以及杜少雷同学的论文展示,既然本文是从人看深度学习的发展趋势,接下来介绍趋势。

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

机器学习是人工智能研究较为年轻的分支,它的发展过程大体上可分为4个时期。

第一阶段是在20世纪50年代中叶到60年代中叶,属于热烈时期。

第二阶段是在20世纪60年代中叶至70年代中叶,被称为机器学习的冷静时期。

第三阶段是从20世纪70年代中叶至80年代中叶,称为复兴时期。

机器学习的最新阶段始于1986年。

机器学习进入新阶段的重要表现在下列诸方面:

(1) 机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。

(2) 结合各种学习方法,取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。

(3) 机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例方法已成为经验学习的重要方向。

(4) 各种学习方法的应用范围不断扩大,一部分已形成商品。归纳学习的知识获取工具已在诊断分类型专家系统中广泛使用。连接学习在声图文识别中占优势。分析学习已用于设计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将在企业的智能管理与智能机器人运动规划中发挥作用。

(5) 与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外,还有计算机学习理论会议以及遗传算法会议。

AMiner团队对机器学习的研究热点统计如下,横坐标是时间,纵坐标表示陈国,可见机器学习从21世纪初开始爆发,在2010年左右研究热度达到顶峰,近两年研究成果有所下降,但是对深度学习的研究质量在不断上升,正在突破现有研究瓶颈。

图示中的红点表示研究成果,每个点对应各自时间段的经典论文。

机器学习未来的发展趋势,按照目前的图谱来看趋向稳定,正在寻找突破契机,从ICML2019华裔作者库可以根据学者看到最新研究成果,期待机器学习领域更大的突破。

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网,谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多