热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

机器之心报道,机器之心编辑部。研究人员可能会觉得,如果有一份统计近年来所有CS顶会最佳论文的网站就好了。事实上,确实有这样一个网站

机器之心报道,机器之心编辑部。

研究人员可能会觉得,如果有一份统计近年来所有 CS 顶会最佳论文的网站就好了。事实上,确实有这样一个网站:来自布朗大学计算机科学助理教授 Jeff Huang 统计了自 1996 年以来,计算机科学领域里所有重要会议的最佳论文。

此前,Jeff Huang 还统计过全美 Top 50 大学的计算机系教授出身情况(本科就读大学),并得出了 MIT 第一,清华大学第六的结论。

值得注意的是,和「CS 教授血统」统计一样,对于计算机科学 Best Paper 的统计数据大部分由手工输入(通过联系以前的会议组织者、检索缓存的会议网站和搜索简历而获得),所以可能存在误差或遗漏。作者试图从各个领域的顶级会议收集最佳论文,但有些会议没有此奖项,如 SIGGRAPH、CAV。本文包括「Distinguished paper award」和「outstanding paper award」,但不包括「best student paper」(如 NeurIPS)和「best 10-year old paper」(如 POPL)。2017 至 2018 年的最佳论文奖由 Mingrui Ray Zhang 收集。

本文是按照各个大会及时间来排列最佳论文的,涉及的大会包括:AAAI、ACL、CHI、CIKM、CVPR、FOCS、FSE、ICCV、ICML、ICSE、IJCAI、INFOCOM、KDD、MOBICOM、NSDI、OSDI、PLDI、PODS、S&P、SIGCOMM、SIGIR、SIGMETRICS、SIGMOD、SODA、SOSP、STOC、UIST、VLDB、WWW。

机器之心截取了其中与 AI 相关领域的最佳论文奖,读者还可以阅读近两年来的相关报道、专访和论文介绍等。

历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

AAAI 1996 年至今的最佳论文

  • AAAI 2018 获奖论文提前揭晓:两大奖项花落阿尔伯塔、牛津
  • 专访 AAAI 2018 最佳论文作者,记忆增强蒙特卡洛树搜索细节解读
历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

ACL 2001 年至今的最佳论文

  • 计算语言顶会 ACL 2018 最佳论文公布!这些大学与研究员榜上有名
  • ACL 2017 五篇最佳论文公布,国内无获奖论文
历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

CPVR 2000 年至今的最佳论文,何恺明的两次获奖引人注目。

  • CVPR 2017 多个奖项公布:苹果公司获最佳论文奖
  • CVPR 2018 奖项出炉:两篇最佳论文,何恺明获 PAMI 青年研究员奖
  • 抱歉我们今天想介绍的这篇论文,刚刚中了 CVPR 2018 最佳论文
  • CVPR 2018 最佳论文作者亲笔解读:研究视觉任务关联性的 Taskonomy
历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

ICCV 1998 年至今的最佳论文

  • ICCV 2017 奖项公布:最大赢家何恺明获最佳论文,参与最佳学生论文
历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

ICML 1999 年至今的最佳论文

  • ICML 2018 大奖出炉:伯克利、MIT 获最佳论文,复旦大学榜上有名
  • 深度 | 如何保证算法公正性?ICML 2018 两篇获奖论文解读
  • ICML 2017 首日公布两大奖项:斯坦福大学获最佳论文奖
历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

IJCAI 1997 年至今的最佳论文

  • IJCAI 2018 所有奖项出炉:AlphaGo 获奖,中国研究成果占据半壁江山
  • IJCAI 2017 四大论文奖项揭晓:牛津大学获最佳杰出论文
历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

KDD 1997 年至今的最佳论文,《终极算法》一书的作者 Pedro Domingos 曾在 1998 年和 1999 年连续获奖。

  • KDD 2018 最佳论文:首个面向 Facebook、arXiv 网络图类的对抗攻击研究
  • KDD 2017 获奖论文公布:数据挖掘领域的顶级研究与应用成果

最佳研究机构

在以上这些会议的统计之后,Jeff Huang 等人还研究了这些最佳论文的作者机构。看来,近二十年以来在计算机科学大会上最成功的机构是微软研究院。此外,华盛顿大学名列第二,卡耐基梅隆大学紧随其后。尽管目前国内学者在人工智能领域研究的发展很快,目前在计算机科学这个大方向上,排名最靠前的清华大学仅排名并列第 23 位。

Note:该排名的分值权重按照作者顺序递减给出——如最佳论文作者背景不同,一作计 1 分,二作计 0.5 分,三作计 0.33 分……随后这些分值被归一化。此排名可能不是完全准确。

历数近22年计算机科学顶会最佳论文:微软领先,清华国内第一

参考链接:https://jeffhuang.com/best_paper_awards.html



推荐阅读
  • 深入浅出解读奇异值分解,助你轻松掌握核心概念 ... [详细]
  • 汽车电子架构与CAN网络基础解析——鉴源实验室专业解读 ... [详细]
  • HTML 页面中调用 JavaScript 函数生成随机数值并自动展示
    在HTML页面中,通过调用JavaScript函数生成随机数值,并将其自动展示在页面上。具体实现包括构建HTML页面结构,定义JavaScript函数以生成随机数,以及在页面加载时自动调用该函数并将结果呈现给用户。 ... [详细]
  • 如何高效启动大数据应用之旅?
    在前一篇文章中,我探讨了大数据的定义及其与数据挖掘的区别。本文将重点介绍如何高效启动大数据应用项目,涵盖关键步骤和最佳实践,帮助读者快速踏上大数据之旅。 ... [详细]
  • 探索聚类分析中的K-Means与DBSCAN算法及其应用
    聚类分析是一种用于解决样本或特征分类问题的统计分析方法,也是数据挖掘领域的重要算法之一。本文主要探讨了K-Means和DBSCAN两种聚类算法的原理及其应用场景。K-Means算法通过迭代优化簇中心来实现数据点的划分,适用于球形分布的数据集;而DBSCAN算法则基于密度进行聚类,能够有效识别任意形状的簇,并且对噪声数据具有较好的鲁棒性。通过对这两种算法的对比分析,本文旨在为实际应用中选择合适的聚类方法提供参考。 ... [详细]
  • 从2019年AI顶级会议最佳论文,探索深度学习的理论根基与前沿进展 ... [详细]
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
  • 在 CentOS 7 系统中安装 Scrapy 时遇到了一些挑战。尽管 Scrapy 在 Ubuntu 上安装简便,但在 CentOS 7 上需要额外的配置和步骤。本文总结了常见问题及其解决方案,帮助用户顺利安装并使用 Scrapy 进行网络爬虫开发。 ... [详细]
  • 在Linux系统中,网络配置是至关重要的任务之一。本文详细解析了Firewalld和Netfilter机制,并探讨了iptables的应用。通过使用`ip addr show`命令来查看网卡IP地址(需要安装`iproute`包),当网卡未分配IP地址或处于关闭状态时,可以通过`ip link set`命令进行配置和激活。此外,文章还介绍了如何利用Firewalld和iptables实现网络流量控制和安全策略管理,为系统管理员提供了实用的操作指南。 ... [详细]
  • POJ 2482 星空中的星星:利用线段树与扫描线算法解决
    在《POJ 2482 星空中的星星》问题中,通过运用线段树和扫描线算法,可以高效地解决星星在窗口内的计数问题。该方法不仅能够快速处理大规模数据,还能确保时间复杂度的最优性,适用于各种复杂的星空模拟场景。 ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
  • 理工科男女不容错过的神奇资源网站
    十一长假即将结束,你的假期学习计划进展如何?无论你是在家中、思念家乡,还是身处异国他乡,理工科学生都不容错过一些神奇的资源网站。这些网站提供了丰富的学术资料、实验数据和技术文档,能够帮助你在假期中高效学习和提升专业技能。 ... [详细]
  • 本文汇集了我在网络上搜集以及在实际面试中遇到的前端开发面试题目,并附有详细解答。无论是初学者还是有一定经验的开发者,都应深入理解这些问题背后的原理,通过系统学习和透彻研究,逐步形成自己的知识体系和技术框架。 ... [详细]
  • 利用Anaconda高效管理多版本Python环境
    通过Anaconda,可以高效地管理和切换不同版本的Python环境,为开发人员提供便捷的工具支持。此外,Anaconda还集成了丰富的科学计算和数据分析库,进一步提升了开发效率。对于Golang开发者而言,Anaconda同样是一个值得了解的工具,尽管其主要应用于Python生态。 ... [详细]
  • PHP开发人员薪资水平分析:工程师平均工资概况
    PHP开发人员薪资水平分析:工程师平均工资概况 ... [详细]
author-avatar
lan1998_789
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有