0
雷鋒網AI科技評論前線報道：北京時間8月22號，經過3天的Tutorial和workshop預熱，IJCAI大會今天正式開幕，開幕式中提交到IJCAI的論文總數2540份，有660份被接收，總共有750份論文被受理。接著大會頒布了頒布了最佳論文獎和最佳學生論文獎。
使用Limit Datalog程序的聲明數據分析的基礎
下載地址：https://arxiv.org/pdf/1705.06927.pdf
雷鋒網Ai科技評論注：分析復雜數據目前是非常熱的話題，這種分析，例如數據聚合、屬性驗證或查詢回答等，現在主要是通過指定如何操作數據來完成，但是當數據較為復雜時這種方式表現并不是很好?，F在有人提出數據分析應當被聲明，也就是說用戶應當描述期望輸出是什么，而不是怎么計算它。例如，在一張圖中，不是通過具體的算法來計算最短路徑，而是應當1）描述什么是路徑長度；2）選擇最小長度的路徑。
在數據分析中，近來有人提出了聲明數據分析（declarative data analysis）方法，這種方法一個重要組成部分就是能夠捕獲相關任務的有效語言，Datalog_Z（支持遞歸）是其首選，但是這種語言是不可判定的。我們通過引入limit Datalog_Z并對使用乘法進行約束，事實蘊涵在聚合中將變得conExpTime-完整，在數據復雜性中變得coNP完整。此外，額外的穩定性要求會導致復雜性分別下降到ExpTime和PTime。最后我們展示了穩定的Datalog_Z可以用來表達許多數據分析任務，所以我們的這些結果將為高級信息系統的開發提供一個堅實的基礎。
雷鋒網AI科技評論注：標記解脫生成對抗網絡（Tag Disentangled Generative Adversarial Networks，TDGAN）
在本文中，我們提出了一個原理性的標記解脫生成對抗網絡（TDGAN），用于通過指定多個場景屬性（如視點，照明，表情等）從單個圖像重新渲染出感興趣對象的新圖像。整個框架由解離網絡（Disentangled Network），生成網絡（Generative Network），標簽映射網絡（Tag Mapping Net）和辨別網絡（Discriminative Network）組成，它們基于完全/部分標記的給定圖像集（即監督/半監督設置）來聯合訓練。給定一張輸入圖像，解離網絡將提取解離的、可解釋的表示，隨后生成網絡將用它來生成圖像。為了提高解離表示的質量，于是在我們的框架中集成了標簽映射網絡來探測圖像與其標簽之間的一致性。此外，引入辨別網絡以實現用于生成更逼真圖像的對抗訓練策略。兩個有挑戰性的數據集實驗證明了這種框架在這些問題上的優良表現。
另外，會議上介紹道本次收錄論文的關鍵字主要集中在Machine Learning，KR，Agent－based and MAS等如下關鍵詞上。
提交的2000多份論文總數中，中國占據了879份，占比最大，其次是歐洲（445份），美國（431份）。
論文審核過程也盡量遵循公平公正的原則，下圖是過程全公開。
附現場最佳論文獲獎圖
附最佳學生論文獲獎圖
~
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
