AMiner 会议论文推荐第二十期

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

IJCAI 2020 论文推荐

Intelligent Virtual Machine Provisioning in Cloud Computing

虚拟机(VM)供应是云计算中常见的关键问题。在工业云平台中，每天都要配置大量的虚拟机。由于复杂性和资源限制，需要对其进行仔细优化以使云平台有效利用资源。此外，在实践中，从头开始配置一个虚拟机需要相当长的时间，这将降低客户体验。因此，建议提前为即将到来的需求配置虚拟机。

在这项工作中，作者将实际场景制定为预测性虚拟机调配（PreVMP）问题，其中即将到来的需求是未知的并且需要提前预测，然后根据预测的需求优化虚拟机调配计划。此外，作者提出了不确定性感知启发式搜索（UAHS）来解决PreVMP问题。UAHS首先对预测的不确定性进行建模，然后利用预测的不确定性进行优化。此外，UAHS利用贝叶斯优化技术将预测和优化交互起来，以提高其实际性能。

大量的实验表明，UAHS在两个公共数据集和一个工业数据集上的表现远优于最先进的竞争对手。UAHS已成功应用于微软Azure，并在实际应用中带来了实际效益。

论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277209b?conf=ijcai2020
会议链接：https://www.aminer.cn/conf/ijcai2020

Marthe: Scheduling the Learning Rate Via Online Hypergradients

作者从超参数优化的角度研究特定任务的learning rate schedule的拟合问题，目的是为了实现良好的泛化。作者描述了关于learning rate schedule地验证误差的梯度结构–超梯度的结构。在此基础上，作者介绍了MARTHE，这是一种由超梯度的廉价近似指导的新型在线算法，它利用优化轨迹中的过去信息来模拟未来行