ICML 2019最佳论文：测试12000个模型后，谷歌质疑现有无监督分离式表征学习

大数据文摘出品

当地时间6月12日，ICML 2019于美国长滩市公布了本届大会最佳论文结果。

谷歌大脑、MaxPlanck和苏黎世联邦理工学院合作的《挑战无监督分离式表征的常见假设》，以及剑桥大学的一篇《稀疏变分高斯过程回归的收敛速率》作为最佳论文摘得桂冠。另外，还有七篇论文获得提名奖。

今年的论文录取竞争异常激烈，ICML 2019共提交了3424篇论文，其中录取774篇，论文录取率为22.6%。录取率较去年ICML 2018的25%有所降低。

ICML 2019接收论文贡献数排名前50的机构（学界机构和业界机构）

论文录取结果地址：

https://icml.cc/Conferences/2019/AcceptedPapersInitialfbclid=IwAR0zqRJfPz2UP7dCbZ8Jcy7MrsedhasX13ueqkKl934EsksuSj3J2QrrRAQ

最佳论文一：谷歌几乎全面否定了现有的同行成果

第一篇最佳论文的作者来自苏黎世联邦理工学院(ETH Zurich)、MaxPlanck 智能系统研究所及谷歌大脑。

深度学习的一个重要挑战是用无监督学习的方式理解现有数据。目前主要提出的方法是一个利用分离式表征 (disentangled representa