Cyber Valley das dritte Jahr in Folge stark vertreten bei führender Machine Learning Konferenz
27 Publikationen von Wissenschaftler*innen des Forschungsverbund wurden bei der kommenden NeurIPS akzeptiert
Stuttgart/Tübingen – Mit insgesamt 27 akzeptierten Publikationen werden Forscher*innen aus dem Cyber Valley Ökosystem auf der kommenden 33. Conference on Neural Information Processing Systems (NeurIPS) sehr gut vertreten sein. Die weltweit führende Konferenz für maschinelles Lernen findet vom 8. bis 14. Dezember in Vancouver, Kanada, statt.
Die eingereichten Publikationen bei der NeurIPS haben sich seit 2017 verdoppelt, was auf das rasante Wachstum im Bereich des maschinellen Lernens zurückzuführen ist. In diesem Jahr wurden auf der Konferenz ein neuer Rekord gebrochen: 6743 Beiträge wurden weltweit eingereicht, von denen 1428 angenommen wurden.
„Unsere solide Präsenz auf einer der weltweit kompetitivsten Konferenzen für maschinelles Lernen zeigt deutlich, dass Wissenschaftler*innen aus dem Cyber Valley zu den Besten gehören", sagte Professor Bernhard Schölkopf, Direktor am Max-Planck-Institut für Intelligente Systeme in Tübingen. Er leitet dort die Abteilung für Empirische Inferenz. „Während sich das Cyber Valley seinem dritten Jahrestag nähert, zeigt unser Erfolg bei der NeurIPS eindrucksvoll, welche Dynamik die Region Stuttgart-Tübingen als globaler KI-Hotspot entwickelt hat."
Die im Dezember 2016 im Südwesten Deutschlands gegründete Initiative Cyber Valley ist Europas führendes Forschungskonsortium auf dem Gebiet der künstlichen Intelligenz. Laut einem Ranking, das auf der Anzahl der Veröffentlichungen auf den wichtigsten globalen Konferenzen für maschinelles Lernen NeurIPS und ICML von 2009 bis 2019 basiert, belegen die akademischen Partner des Cyber Valley derzeit weltweit Platz 8, in Europa und Deutschland sogar Platz 1.
Führende Institutionen weltweit, basierend auf der Anzahl der Veröffentlichungen auf den wichtigsten Konferenzen für maschinelles Lernen(NeurIPS/NIPS & ICML)1 (2009-2019)
Beiträge von deutschen Forschungsstandorten zu den wichtigsten Konferenzen für machinelles Lernen (NeurIPS/NIPS & ICML)2, in Prozent (2009-2019)
1. Quelle: dlpb, 2. Quelle: interne Analyse
„Unsere Forschungsexzellenz ist der Hauptgrund, warum das Cyber Valley seit seiner Gründung vor drei Jahren stark gewachsen ist. Im Herzen Baden-Württembergs ist ein KI-Ökosystem entstanden, das in Europa seinesgleichen sucht", sagt Schölkopf. Allein im vergangenen Monat wurden mehrere wichtige Meilensteine erreicht, darunter der Beitritt der Fraunhofer Gesellschaft, der Start des neuen Cyber-Valley-Start-Up-Netzwerks, zusätzliche Investitionen der Industriepartner Robert Bosch GmbH und Amazon in Tübingen sowie der erfolgreiche Abschluss einer dritten Bewerbungsrunde an der International Max Planck Research School for Intelligent Systems, dem im Rahmen der Cyber-Valley-Initiative gegründeten Doktoranden-Programm.
NeurIPS 2019: Accepted Submissions from the Cyber Valley Ecosystem (alphabetical)
-
Provably robust boosted decision stumps and trees against adversarial attacks
Maksym Andriushchenko (EPFL) Matthias Hein (University of Tübingen)
-
Control What You Can: Intrinsically Motivated Task-Planning Agent
Sebastian Blaes (Max Planck Institute for Intelligent Systems) Marin Vlastelica Pogan (Max-Planck Institute for Intelligent Systems, Tübingen) Jia-Jie Zhu (Max Planck Institute for Intelligent Systems) Georg Martius (MPI for Intelligent Systems)
-
Accurate, reliable and fast robustness evaluation
Wieland Brendel (AG Bethge, University of Tübingen) Jonas Rauber (University of Tübingen) Matthias Kämmerer (University of Tübingen) Ivan Ustyuzhaninov (University of Tübingen) Matthias Bethge (University of Tübingen)
-
Disentangled behavioural representations
Amir Dezfouli (Data61, CSIRO) Hassan Ashtiani (McMaster University) Omar Ghattas (CSIRO) Richard Nock (Data61, the Australian National University and the University of Sydney) Peter Dayan (Max Planck Institute for Biological Cybernetics) Cheng Soon Ong (Data61 and ANU)
-
Foundations of Comparison-Based Hierarchical Clustering
Debarghya Ghoshdastidar (University of Tübingen) MichaÎl Perrot (Max Planck Institute for Intelligent Systems) Ulrike von Luxburg (University of Tübingen)
-
On the Role of Inductive Bias From Simulation and the Transfer to the Real World: a new Disentanglement Dataset
Muhammad Waleed Gondal (Max Planck Institute for Intelligent Systems) Manuel Wuthrich (Max Planck Institute for Intelligent Systems) Djordje Miladinovic (ETH Zurich) Francesco Locatello (ETH Zürich - MPI Tübingen) Martin Breidt (MPI for Biological Cybernetics) Valentin Volchkov (Max Planck Institute for Intelligent Systems) Joel Akpo (Max Planck Institute for Intelligent Systems) Olivier Bachem (Google Brain) Bernhard Schölkopf (MPI for Intelligent Systems) Stefan Bauer (MPI for Intelligent Systems) -
Grid Saliency for Context Explanations of Semantic Segmentation
Lukas Hoyer (Bosch Center for Artificial Intelligence) · Mauricio Munoz (Bosch Center for Artificial Intelligence) · Prateek Katiyar (Bosch Center for Artificial Intelligence) · Anna Khoreva (Bosch Center for Artificial Intelligence) · Volker Fischer (Robert Bosch GmbH, Bosch Center for Artificial Intelligence)
-
Causal regularization
Dominik Janzing (Amazon)
-
Convergence Guarantees for Adaptive Bayesian Quadrature Methods
Motonobu Kanagawa (EURECOM) Philipp Hennig (University of Tübingen and MPI for Intelligent Systems Tübingen)
-
On Tractable Computation of Expected Predictions
Pasha Khosravi (UCLA) YooJung Choi (UCLA) Yitao Liang (UCLA) Antonio Vergari (Max Planck Institute for Intelligent Systems) Guy Van den Broeck (UCLA)
-
Limitations of the empirical Fisher approximation
Frederik Kunstner (EPFL) Philipp Hennig (University of Tübingen and MPI for Intelligent Systems Tübingen) Lukas Balles (University of Tuebingen)
-
Learning from brains how to regularize machines
Zhe Li (Baylor College of Medicine) Wieland Brendel (AG Bethge, University of Tübingen) Edgar Walker (Baylor College of Medicine) Erick Cobos (Baylor College of Medicine) Taliah Muhammad (Baylor College of Medicine) Jacob Reimer (Baylor College of Medicine) Matthias Bethge (University of Tübingen) Fabian Sinz (University Tübingen) Zachary Pitkow (BCM/Rice) Andreas Tolias (Baylor College of Medicine)
-
On the Fairness of Disentangled Representations
Francesco Locatello (ETH Zürich - MPI T¸bingen) Gabriele Abbati (University of Oxford) Tom Rainforth (University of Oxford) Stefan Bauer (MPI for Intelligent Systems) Bernhard Schölkopf (MPI for Intelligent Systems) Olivier Bachem (Google Brain)
-
Stochastic Frank-Wolfe for Composite Convex Minimization
Francesco Locatello (ETH Zürich - MPI Tübingen) Alp Yurtsever (EPFL) Olivier Fercoq (Telecom ParisTech) Volkan Cevher (EPFL)
-
The Functional Neural Process
Christos Louizos (University of Amsterdam) Xiahan Shi (Bosch Center for Artificial Intelligence) Klamer Schutte (TNO) Max Welling (University of Amsterdam / Qualcomm AI Research)
-
Fisher Efficient Inference of Intractable Models
Song Liu (University of Bristol) Takafumi Kanamori (Tokyo Institute of Technology/RIKEN) Wittawat Jitkrittum (Max Planck Institute for Intelligent Systems) Yu Chen (University of Bristol)
-
Generalized Matrix Means for Semi-Supervised Learning with Multilayer Graphs
Pedro Mercado (University of Tübingen) Francesco Tudisco (University of Strathclyde) Matthias Hein (University of Tübingen)
-
Selecting causal brain features with a single conditional independence test per feature
Atalanti Mastakouri (Max Planck Institute for Intelligent Systems) Bernhard Schölkopf (MPI for Intelligent Systems) Dominik Janzing (Amazon)
-
Beating SGD Saturation with Tail-Averaging and Minibatching
Nicole Muecke (University of Stuttgart) Gergely Neu (Universitat Pompeu Fabra) Lorenzo Rosasco (University of Genova – MIT – IIT)
-
Perceiving the arrow of time in autoregressive motion
Kristof Meding (Max Planck Institute for Intelligent Systems) Dominik Janzing (Amazon) Bernhard Schölkopf (MPI for Intelligent Systems) Felix A. Wichmann (University of Tübingen)
-
DeepUSPS: Deep Robust Unsupervised Saliency Prediction via Self-supervision
Tam Nguyen (Freiburg Computer Vision Lab) Maximilian Dax (Bosch GmbH) Chaithanya Kumar Mummadi (Bosch Center for Artificial Intelligence) Nhung Ngo (Bosch Center for Artificial Intelligence) · Thi Hoai Phuong Nguyen (Karlsruhe Institute of Technology (KIT)) Zhongyu Lou (Robert Bosch Gmbh) Thomas Brox (University of Freiburg)
-
Practical and Consistent Estimation of f-Divergences
Paul Rubenstein (Max Planck Institute for Intelligent Systems) Olivier Bousquet (Google Brain (Zurich)) Josip Djolonga (Google Research, Brain Team) Carlos Riquelme (Google Brain) Ilya Tolstikhin (MPI for Intelligent Systems)
-
Kernel Stein Tests for Multiple Model Comparison
Jen Ning Lim (Max Planck Institute for Intelligent Systems) Makoto Yamada (Kyoto University / RIKEN AIP) Bernhard Schölkopf (MPI for Intelligent Systems) Wittawat Jitkrittum (Max Planck Institute for Intelligent Systems)
-
Invert to Learn to Invert
Patrick Putzky (University of Amsterdam, Max Planck Institute for Intelligent Systems), Max Welling (University of Amsterdam)
-
Approximate Bayesian Inference for a Mechanistic Model of Vesicle Release at a Ribbon Synapse
Cornelius Schröder (University of Tübingen) Ben James (University of Sussex) Leon Lagnado (University of Sussex) Philipp Berens (University of Tübingen)
-
Are Disentangled Representations Helpful for Abstract Visual Reasoning?
Sjoerd van Steenkiste (The Swiss AI Lab - IDSIA) Francesco Locatello (ETH Zürich - MPI Tübingen) Jürgen Schmidhuber (Swiss AI Lab, IDSIA (USI & SUPSI) - NNAISENSE) Olivier Bachem (Google Brain)
-
Progressive Augmentation of GANs
Dan Zhang (Bosch Center for Artificial Intelligence) · Anna Khoreva (Bosch Center for Artificial Intelligence)