“ICML是机器学习研究的主要顶级会议之一。”亚马逊供应链优化技术项目的机器学习主管Neil Lawrence表示，“这是一个了解其他研究人员最新进展并分享我们自身学习成果的好机会。”在ICML上，Lawrence团队的一名成员将展示一篇题为《结构化变分自编码优化》的论文，该论文描述了一种用于优化的机器学习方法，即通过选择某些过程中的变量值以最大化特定结果。
该论文的第一作者是Xiaoyu Lu，她是牛津大学的研究生，去年夏天曾在亚马逊作为实习生参与该项目，随后于今年一月返回进行后续工作。与她共同署名的是Lawrence以及他团队中的两位机器学习科学家Javier Gonzalez Hernandez和Zhenwen Dai。“如果没有Xiaoyu出色的工作，我们无法完成这项研究。”Hernandez说道。
“当可变因素数量较少时，贝叶斯优化效果良好。”Lawrence说，“如果你在一千种不同的变化条件下制作啤酒，这些方法就不太适用。这篇论文的巧妙之处在于将这些变化映射到低维空间，然后在该低维空间中执行优化。”
为了进行这种映射，Lawrence解释说，他的团队使用了一种名为变分自编码器的神经网络类型。自编码器具有一个独特之处：其输出被设计为与输入完全相同。但在输入和输出之间，网络会将输入压缩为一个更紧凑的表示形式。训练过程就是学习如何生成一种能够保留足够输入信息的表示，从而使网络的输出成为对输入的忠实重建。
Alexa AI组织内的机器学习经理Alborz Geramifard也将出席ICML。“对于所有对机器学习充满热情的人来说，ICML是全球顶级的会议之一，而机器学习目前是一个非常热门的话题。”Geramifard表示，“它吸引了非常优秀的人才群体。”
"ICML 的一个特点是，总会有一些聚焦于非常具体主题的优秀论坛，" Geramifard 补充道。"例如，我对对话与机器学习非常感兴趣，而 ICML 设有相关研讨会、专门的论文轨道以及其他交流机会，让你能够与这一领域几乎所有最前沿的贡献者同处一室，与他们碰撞思想，并探讨他们的经验。"
ICML 论文中与亚马逊（Amazon）有合作作者的：
标题：结构化变分自编码优化
作者：Xiaoyu Lu（牛津大学）· Javier González（亚马逊）· Zhenwen Dai（Amazon.com）· Neil Lawrence（亚马逊）
作者：Xiaoyu Lu（牛津大学）· Javier González（亚马逊）· Zhenwen Dai（Amazon.com）· Neil Lawrence（亚马逊）
标题：通过时间标签传播在数据流上进行半监督学习
作者：Tal Wagner（麻省理工学院）· Sudipto Guha（亚马逊）· Shiva Kasiviswanathan（亚马逊）· Nina Mishra（亚马逊）
作者：Tal Wagner（麻省理工学院）· Sudipto Guha（亚马逊）· Shiva Kasiviswanathan（亚马逊）· Nina Mishra（亚马逊）
标题：检测多元线性回归模型中的非因果伪影
作者：Dominik Janzing（亚马逊图宾根研究院）· Bernhard Schölkopf（亚马逊 / 智能系统马克斯·普朗克研究所）
作者：Dominik Janzing（亚马逊图宾根研究院）· Bernhard Schölkopf（亚马逊 / 智能系统马克斯·普朗克研究所）
标题：使用黑盒预测器检测和校正标签偏移
作者：Zachary Lipton（亚马逊 / 卡内基梅隆大学）· Yu-Xiang Wang（亚马逊 / 加州大学圣塔芭芭拉分校）· Alexander Smola（亚马逊）
作者：Zachary Lipton（亚马逊 / 卡内基梅隆大学）· Yu-Xiang Wang（亚马逊 / 加州大学圣塔芭芭拉分校）· Alexander Smola（亚马逊）
标题：改进差分隐私的高斯机制：分析校准与最优去噪
作者：Borja de Balle Pigem（亚马逊研究）· Yu-Xiang Wang（亚马逊 / 加州大学圣塔芭芭拉分校）
作者：Borja de Balle Pigem（亚马逊研究）· Yu-Xiang Wang（亚马逊 / 加州大学圣塔芭芭拉分校）
标题：signSGD：非凸问题的压缩优化
作者：Jeremy Bernstein（加州理工学院）· Yu-Xiang Wang（亚马逊 / 加州大学圣塔芭芭拉分校）· Kamyar Azizzadenesheli（加州大学尔湾分校 / 斯坦福大学）· Anima Anandkumar（亚马逊人工智能 / 加州理工学院）
作者：Jeremy Bernstein（加州理工学院）· Yu-Xiang Wang（亚马逊 / 加州大学圣塔芭芭拉分校）· Kamyar Azizzadenesheli（加州大学尔湾分校 / 斯坦福大学）· Anima Anandkumar（亚马逊人工智能 / 加州理工学院）
标题：重生神经网络
作者：Tommaso Furlanello（南加州大学）· Zachary Lipton（亚马逊 / 卡内基梅隆大学）· Michael Tschannen（苏黎世联邦理工学院）· Laurent Itti（南加州大学）· Anima Anandkumar（亚马逊人工智能 / 加州理工学院）
作者：Tommaso Furlanello（南加州大学）· Zachary Lipton（亚马逊 / 卡内基梅隆大学）· Michael Tschannen（苏黎世联邦理工学院）· Laurent Itti（南加州大学）· Anima Anandkumar（亚马逊人工智能 / 加州理工学院）
标题：通过高效 SVD 参数化稳定深度神经网络的梯度
作者：张炯（德克萨斯大学奥斯汀分校）· 雷琦（德克萨斯大学奥斯汀分校）· Inderjit Dhillon（UT Austin / Amazon）
作者：张炯（德克萨斯大学奥斯汀分校）· 雷琦（德克萨斯大学奥斯汀分校）· Inderjit Dhillon（UT Austin / Amazon）
标题：通过傅里叶循环单元学习长期依赖关系
作者：张炯（德克萨斯大学奥斯汀分校）· 林一博（UT-Austin）· 宋昭（UT-Austin）· Inderjit Dhillon（UT Austin / Amazon）
作者：张炯（德克萨斯大学奥斯汀分校）· 林一博（UT-Austin）· 宋昭（UT-Austin）· Inderjit Dhillon（UT Austin / Amazon）
标题：面向 ReLU 网络认证鲁棒性的快速计算
作者：Tsui-Wei (Lily) Weng（麻省理工学院）· 张焕（UC Davis）· 陈宏歌（麻省理工学院）· 宋昭（UT-Austin）· Cho-Jui Hsieh（加州大学戴维斯分校）· Luca Daniel（麻省理工学院）· Duane Boning（麻省理工学院）· Inderjit Dhillon（UT Austin & Amazon）
作者：Tsui-Wei (Lily) Weng（麻省理工学院）· 张焕（UC Davis）· 陈宏歌（麻省理工学院）· 宋昭（UT-Austin）· Cho-Jui Hsieh（加州大学戴维斯分校）· Luca Daniel（麻省理工学院）· Duane Boning（麻省理工学院）· Inderjit Dhillon（UT Austin & Amazon）
标题：学习图上图迭代的稳态
作者：韩君 Dai（佐治亚理工学院）· Zornitsa Kozareva（Google）· 戴波（佐治亚理工学院）· Alex Smola（Amazon）· 宋磊（佐治亚理工学院）
作者：韩君 Dai（佐治亚理工学院）· Zornitsa Kozareva（Google）· 戴波（佐治亚理工学院）· Alex Smola（Amazon）· 宋磊（佐治亚理工学院）
了解更多：
ICML 上的 Amazon
ACL 上的亚马逊
NAACL 上的亚马逊
亚马逊研究奖
ACL 上的亚马逊
NAACL 上的亚马逊
亚马逊研究奖