华人作者贡献60%，深度学习顶会ICLR 2020即将线上开幕
点击标题下「云轩cloudhin」可快速关注
| 匠心 | 专业 |
Cloud hin，寓意以“云计算助力科技发展”
Cloud hin的品牌目标是“解决计算的问题”，品牌定位是“让专业的计算机装备为无限的计算潜能服务”。
深度学习领域顶级会议——国际表征学习大会 ICLR 2020（ International Conference on Learning Representations)，将于 4 月 25 日正式线上开幕。作为首次将在非洲举办的国际 AI 学术顶会，却因为疫情完全改为线上，不过在家就能坐听大咖开讲也是种不错的选择。
ICLR，2013 年由深度学习三座大山中的 Yoshua Bengio 和 Yann LeCun 牵头创办。众所周知，Yoshua Bengio 主管着蒙特利尔大学人工智能实验室，也就是 MILA，它是世界上最大的人工智能研究中心之一。Yann LeCun 是 Facebook 人工智能研究院的院长，被称为卷积神经网络之父。今年是第八届大会，虽举办的年限比较短，但已经被学术研究者们广泛认可，被认为是深度学习的顶级会议。
ICLR 2020 共收到了 2594 篇论文投稿，最终共有 687 篇被接收，其中 48 篇 orals，108 篇 spotlights，531 篇 poster；录取率为 26.5%，相比去年的 31.4% 略有降低。
清华大学ICLR会议智图对论文的接收比例、贡献最大的个人作者以及贡献最多的机构进行统计分析后，发现不少国内高校和学者均榜上有名。
ICLR 2020 会议专题全析：
https://www.aminer.cn/conf/iclr2020/
ICLR 2020 官方登记网址：
https://iclr.cc/Conferences/2020
ICLR 2020 接收录用的 687 篇论文，共来自 2566 位作者。其中 5 篇以上(包括)入选的作者共有 15 位，入选 4 篇的作者有 15 位，入选 3 篇共 53 位，2 篇入选共 246 位，仅有 1 篇作品入选的共 2239 位作者，详情见下图。
其中，高居入选论文榜首的学者是来自 UC Berkeley 的副教授 Sergey Levine，共计 13 篇论文被录用。
两位华人学者榜上有名，清华大学计算机系朱军教授、佐治亚理工学院终身副教授宋乐分别各有 7 篇论文被接收，位居第二。
朱军教授是清华大学计算机系教授，主要从事机器学习、贝叶斯统计等基础理论、高效算法及相关应用研究，在国际重要期刊与会议发表学术论文 100 余篇。
宋乐是佐治亚理工学院计算科学与工程系终身副教授，机器学习中心副主任。他的主要研究方向包括核函数和深度学习的嵌入方法，机器学习的大规模算法和高效系统，以及静态和动态网络分析等，他曾获得过很多机器学习方面的顶级国际奖项。
美国加州大学戴维斯分校教授 Cho-Jui Hsieh，多伦多大学助理教授 Jimmy Ba，北京大学信息科学技术学院教授王立威，DeepMind 首席科学家 Pushmeet Kohli，马里兰大学计算机系副教授 Tom Goldstein，分别各有 6 篇入选，并列第三位。
从作者所属国籍来看，华人参与的论文共有 412 篇，占总论文数的 60%。其中华人一作论文共有 301 篇，占华人参与论文数的 73%，占总论文数的 44%。
可以看出，华人在此次ICLR 2020 贡献了很大一部分力量。
由投稿关键词生成的词云图，突出了深度学习、强化学习、表示学习、生成模型、图形神经网络等热点话题。
在众多投稿单位中，都有哪些单位贡献了主要力量呢？贡献度最高的又是哪一个？
机构统计如下：
Google+DeepMind以 40 篇论文入选，再次实力霸榜；位居第二的卡耐基梅隆大学，共有 23 篇入选；清华大学以 22 篇排在第三位。
接下来，麻省理工学院 19 篇、斯坦福大学 17 篇位居第四、第五位；乔治亚理工学院、北京大学和上海交通大学都分别有 15 篇入选。
在中国高校与科研机构中，香港中文大学 7 篇，中国科学技术大学 5 篇，复旦大学 4 篇，华中科技大学 4 篇，南京大学 4 篇，浙江大学 4 篇，中国科学院 4 篇，天津大学 3 篇，香港城市大学、哈尔滨工业大学、香港科技大学、台湾大学、山东大学都有 2 篇入选。
工业界只有谷歌与微软杀入前十榜单。Facebook 此次有 11 篇入选，阿里巴巴+蚂蚁金服也有共有 11 篇高中，华为高中 7 篇，字节跳动入选 6 篇，百度 4 篇，京东与鹏城实验室各有 2 篇入选。
以上可以看出，基本上每年各种 AI 顶会的入选论文，已被这些工业界的传统豪强与计算机顶尖高校牢牢占据，而华人的力量已经凸显，逐渐成为中流砥柱。
云轩Cloudhin专注Deep learning和高性能计算服务器定制，针对主要深度学习框架（如TensorFlow、Caffe 2、Theano或Torch）进行了优化和设置，在桌面上即可提供强大的深度学习功能。
第9代8核16线程Intel Core i9处理器，核心数量与频率更进一步，核芯迭代，动力强升。双路Nvidia Tesla GPU，基于Volta架构，增加与深度学习高度相关的Tensor单元，单个 GPU 即可提供高达 100 个 CPU 的性能。强强联合，轻松应对如云计算、数据分析、后期制作、技术计算等多任务处理。
更多定制方案请联系客服，云轩将实时响应您的定制需求，做您服务器的贴心管理者。