人工智能不确定性会议(UAI)是研究不确定性下的知识表示、学习和推理的主要国际会议之一。UAI得到人工智能不确定性协会(AUAI)的支持。自1985年以来,大会每年举行一次。第38届世界杯将在荷兰埃因霍温理工大学举行。

最佳论文

 

多类神经网络是现代无监督域自适应的常用工具,但自适应文献中对其非均匀样本复杂度缺乏适当的理论描述。为填补这一空白,本文提出了第一个多类别学习器的PAC-贝叶斯自适应界限。我们通过对我们考虑的多类分布散度提出一阶近似技术来促进我们边界的实际应用。对于依赖于Gibbs预测器的散度,我们提出了额外的pac -贝叶斯适应界,从而消除了低效的蒙特卡罗估计的需要。在经验上,我们测试了我们提出的近似技术的有效性,以及一些新的设计概念,我们包括在我们的边界。最后,我们运用我们的边界分析了一种常见的使用神经网络的自适应算法。

论文链接:https://openreview.net/pdf?id=S0lx6I8j9xq

 

最佳学生论文

论文链接:https://openreview.net/forum?id=r5UMYvLs5xc

祖先图是编码因果知识的一个重要工具,因为它们代表了关于潜在混淆和选择偏差存在的不确定性,可以从数据中推断。对于其他的图模型,几个最大祖先图(MAGs)可以以条件独立性的形式编码相同的统计信息。这样的MAGs被称为马尔可夫等效。这项工作涉及MAGs之间马尔可夫等价的图表征和计算方面。这些问题在过去的几年里已经被研究,导致了几个标准和方法来检验马尔可夫等价。Hu和Evans [UAI 2020]提供的最先进的算法,对具有n个顶点的实例运行时间为O(n^5)。我们提出了一个新的构造MAGs的马尔可夫等价的图形判据,它允许我们发展一个实际有效的最坏情况运行时间为O(n^3)的等价检验。此外,我们的准则是用自然图概念表示的,这是独立的价值。

内容中包含的图片若涉及版权问题,请及时与我们联系删除