IJCAI 1O年（2007-2016）论文合集

IJCAI

International Joint Conference on Artificial Intelligence

---

国际人工智能联合会议

举办机构：IJCAI Inc

领域：人工智能

举办时间：2016之后每年一次

上次会议：2016.07.09 纽 约

本次会议：2017.08.19 墨尔本

---

IJCAI被认为是AI领域最好的综合性会议,具有很高的学术水平和影响力，在无论在学术界还是产业界的都是备受关注。IJCAI是人工智能领域的研究者和和实践者的盛会，内容涵盖了自然语言处理、机器学习、人工智能理论与架构、机器人科学等领域。

IJCAI在过去的很长一段时间都是两年举办一次，但随着人工智能的飞速发展，显然两年一次有点跟不上节奏。加上AAAI、CVRP等会议的赶超之势，IJCAI从2015年开始每年举办。

每届IJCAI的奖项因其重大的影响力也是备受关注：Research Excellence、Computers and Thought Award……，而其中每年的杰出论文奖（Distinguished Paper Award）格外引人注目。这次给大家奉上过去10年（07-16）中每届IJCAI的杰出论文，其中不乏深刻有创见性的成果，更是人工智能发展的痕迹。文尾有下载的链接……

---

---

［2106］

Hierarchical Finite State Controllers for Generalized Planning

用于一般规划的分层有限状态控制器

Javier Segovia-Aguas，Sergio Jimenez ´，Anders Jonsson

有限状态控制器（Finite State Controllers，FSC）是一种紧凑地表征顺序规划的有效方法。通过在过渡（transitions）上施加适当的条件，FSC 也能表征解决一个给定领域内的各种各样规划问题的一般规划（generalizedplans）。这篇论文介绍了用于规划的通过允许控制器调用其它控制器的分层 FSC（hierarchical FSC）概念。其中证明分层 FSC 可以比个体 FSC（individual FSC）更紧凑地表征一般规划。此外，其调用机制允许以模块化的方式生成分层 FSC，或甚至应用递归（recursion）。该论文还介绍了能让经典规划者生成分层 FSC 的汇编（compilation），这能解决很有挑战性的一般规划问题。该汇编以来自给定领域的规划问题集合作为输入，然后输出一个单个经典规划问题，其解决方案对应于一个分层 FSC。

---

Using Task Features for Zero-Shot Knowledge Transfer in LifelongLearning

在终身学习中使用任务特征做 Zero-Shot 知识迁移

David Isele，Eric Eaton，Mohammad Rostami

任务间的知识迁移可以改善学习模型的表现，但 是需要任务间关系的准确评估，从而识别需要迁移的相关知识。这些任务间的关系一般是基于每个任务的训练数据而进行评估的，它们在以从少量数据中快速学习每个连续任务为目标的终身学习设定中是无效的。为了减轻负担，我们基于耦合词典学习（coupled dictionary learning）开发了一个终身强化学习方法。耦合词典学习将高层任务描述符（ descriptors）合并到了任务间关系建模中。我们的结果表明，使用任务描述符能改善学习到的任务策略的性能，既提供了我们方法有益之处的理论证明，又实证展示了在一系列动态控制问题上的进步。在只给描述符一个新任务的情况下，这一终身学习器也能够通过 zero-shot learning 使用耦合词典准确预测任务策略，不再需要在解决任务之前暂停收集训练数据了。

---

［2015］

Bayesian Active Learning for Posterior Estimation

用于后验估算的贝叶斯主动学习

Kirthevasan Kandasamy，Jeff Schneider， Barnaba ́s Po ́czos

本文研究了在可能性评估代价高昂前提下，在贝叶斯设定中积极的后验估算。现有技术的后验估算依赖于后验代表性样本的形成。这种方法并不能支撑可能性评估方面考的效率。为了进行有效的查询，我们将后验估算放在有效的回归框架中进行。对于选择在哪里评估可能性，我们提出两个近视的查询策略，并对他们进行高斯过程。通过一系列的合成实验和真实的例子，证实我们的方法比现有的技术和其他启发式后验估算有着更显著的查询效率。

---

Recursive Decomposition for Nonconvex Optimization

用于非凸优化的递归分解

Abram L. Friesen，Pedro Domingos

连续优化是人工智能多个领域的一个重要的问题，包括计算机视觉、机器人、概率推理与机器学习。不幸的是，大多数现实世界的优化问题都是非标准技术，所以即使是像随机重启和模拟退火这样的延伸，标准凸面技术也只能找到局部最优解。我们观察到，在许多情况下，目标函数的局部模式有组合结构，因此，组合优化的思路可以支撑。在此基础上，我们提出一个非凸优化问题的分解办法。类似于DPLL风格的SAT方法和概率推理中的递归调节，我们的算法，将变量递归后，简化并分解目标函数成近似独立的子函数，直到剩余的功能很简单能够用标准技术进行优化，如梯度下降。根据图形的划分来选择变量，确保分解的可能性。我们的分析表明，RDIS的建立的可以解决一大类非凸优化梯度下降的问题指数随机重新启动。实验结果表明，在运动和蛋白质折叠的结构的相关问题上，RDIS优于标准技术。

---

［2013］

Bayesian Optimization in High Dimensions via Random Embeddings

通过随机向量实现高维度贝叶斯优化

Ziyu Wang，Masrour Zoghi，Frank Hutter

贝叶斯优化技术已成功应用于机器人、决策规划、传感器安置、推荐、广告、智能化用户界面和自动算法成形。尽管取得这些成功，该方法仅限于中等规模的问题，而贝叶斯优化的几次研讨会已将其放到更高的维度作为一个领域的圣杯。在本文中，我们引入一个新的随机嵌入的想法来攻克这个问题。由此产生的随机嵌入贝叶斯优化算法（REMBO）很简单，并适用于绝对连续变量领域。实验证明该方法有效解决高维问题，包括流行的混合整数线性规划求解器的自动参数配置。

---

Flexibility and Decoupling in the Simple Temporal Problem

简单时态问题的适应性及其去耦

Michel Wilson, Tomas Klos, Cees Witteveen

在本文中，我们专注于寻找一个合适的度量，以确定简单时态问题（STP）的适应性。在评估一些已经提出的适应性指标之后，我们推断这些指标未能捕捉到在STP指定事件之间的相关性，导致了对现有系统适应性的高估。我们建议，在不相关的时间间隔基础上，对STP事件的允许启动时间使用一个直观且更易于接受的适应性指标。这个指标被证明可以计算在低多项式的时间。作为一个灵活计算的副产品，我们得到一个分解的STN几乎免费：对事件空间里每一个可能的k-partitioning，都可以在O(k)-time进行分解计算。更重要的是，我们证明了与流行的观点相反的事，这样分解不影响原始STP的适应性。

---

［2011］

Unweighted Coalitional Manipulation Under the Borda Rule is NP-Hard

博尔达计数下的无加权联合操纵是 NP 难题

Nadja Betzler，Rolf Niedermeier，Gerhard J. Woeginger

Borda投票规则是一个基于位置的积分规则，对于M个候选人，对第一位候选人投票获得M－1分，对第二个投票获得M－2分，以此类推。总分最高的候选人成为最终的胜出者。对于Borda规则下的无加权联合操纵问题的计算复杂度，这一直是一个突出的开放性问题：是否可以添加一定的额外投票数（称为操纵器）选举一位杰出的候选人成为赢家？我们通过显示NP难度来解决这个开放的问题，即使是有两个操纵器和三个输入票。此外，我们讨论了这个难题结果的扩展和局限性。

---

Nested Rollout Policy Adaptation for Monte Carlo Tree Search

对于蒙特卡洛树搜索的嵌套输出策略的调整

Christopher D. Rosin

蒙特卡洛树搜索（MCTS）方法最近在游戏、规划和优化等领域的取得成功。MCTS是利用输出来指导搜索；其中一个展示的是随机决策树在每一层的下降路径，直到到达叶子。MCTS的结果会被适当的策略强烈影响并使输出结果出现偏差。在以往的MCTS工作中大多使用静态随机或特定领域的策略。在决定性的优化问题上，我们描述了一种新的方法，即动态模拟搜索中的输出策略。我们的出发点是Cazenave的原始嵌套蒙特卡洛搜索（NMCS），相比直接操纵决策树本身，我们在嵌套搜索的每个层级上使用梯度上升的输出策略。我们的基准这个新的嵌套输出策略的算法并检测其表现。我们的测试问题是填字游戏和五子棋。在适当的时间规模下，相比NMCS，NRPA可以大大提高搜索效率，并在较长的时间的维度下，NRPA在测试问题中的改善超过了以往所有的解决方式。新的五子棋解决方案提升了保持了超过30年的人类记录。

---

［2009］

Consequence-Driven Reasoning for Horn SHIQ Ontologies

Horn SHIQ 本体论的结果驱动推导

Yevgeny Kazakov

生物医学本体与推理问题
描述逻辑SHIQ与Horn SHIQ
建立模型的推理过程及其局限性
基于完成的EL+推理程序
基于结果的Horn SHIQ推理过程
令人印象深刻的实验结果

---

Learning Conditional Preference Networks with Queries

具有查询功能的学习条件偏爱网络

Frédéric Koriche，Bruno Zanuttini

我们研究的了在等价精确学习和成员查询的著名模型中诱发CP-nets的问题。目标是通过引导用户通过一系列的查询确定一个二进制值的偏好序列。每个例子都是对产出结果的优势度测试。在此设置中，我们表明了非循环的CP-nets仅根据等值查询是不具备学习性的，但如果提供的例子被限制交换，它们在成员查询的帮助下是可以学习的。一个类似的财产持有对于任意例子的树的网。事实上，对于属性数查询复杂度只是对数层面的问题，成员查询允许我们提供属性有效的算法。这个结果强调了该模型在更多属性的领域中启用CP-nets的有效性。

---

［2007］

Automated Heart Wall Motion Abnormality Detection From Ultrasound Images using Bayesian Networks

使用贝叶斯网络实现从超声图像进行自动化心脏壁异常活动探测

Maleeha Qazi， Glenn Fung，Sriram Krishnan

冠心病可以通过评估左心室超声图像中心脏壁的局部运动来诊断。我们描述了一个强大的全自动化技术，通过检测和自动跟踪左心室的心内膜和外膜来检测患病心脏病。基于局部很整个左心室壁的运动，心脏壁区域和整个心脏会被划分为正常区域和非正常区域。为了利用心脏的结构信息，我们对这个问题应用贝叶斯网络，并通过使用结构学习算法的数据，了解心脏壁面区域之间的关系。我们通过心脏解剖学知识和医生描述的医学规则检查了获得的结构的有效性。贝叶斯网络分类器仅依赖于一个小的子集，该子集的数值特征通过时间追踪和滤波器的选择方法提取对偶轮廓。我们的数值结果证实了我们的系统在医院日常实践中收集的超声心动图中是可靠和准确的，我们的系统就是为现实的使用而建立。

---

Building Structure into Local Search for SAT

在 SAT 本地搜索中构建结构

Duc Nghia Pham，and John Thornton，Abdul Sattar

在本文中，我们表明，本地搜索技术能有效地发掘问题结构信息，并且在结构化问题的例子的表现中产生显著的改善。在Ostrowski等人的早期工作的基础上，我们描述了如何将变量相关性信息内置到本地搜索中，以便只有独立变量被考虑反转。通过使用从属的lattice（其模型依赖于使用关口的变量），每次反转的成本效应就可以被动态计算。困难结构基准问题的实验研证实了我们的新方法显着优于此前报道的最佳本地搜索技术。

---

原文件下载

---