第2回「倹約と学習に関する会議（CPAL）」がスタンフォード大学で開催され、論文の募集が行われている。

最初の CPAL は、2024 年 1 月に香港大学で成功裡に開催されました。この会議には世界中から何百人もの参加者が集まり、多彩な議題を伴う 4 日間の活動が行われました。第 1 回会議には、9 人の招待講演者、16 人のライジング スター賞受賞者、および口頭発表またはポスター発表のために採択された約 100 件の論文 (デュアル トラック) が招待されました。

CPAL 2025

第2回CPALは、スタンフォード大学データサイエンス学部の主催により、2025年3月末にスタンフォード大学で開催されます。

会議のビジョン:

「すべては可能な限りシンプルであるべきですが、これ以上シンプルであってはなりません。」 – アルバート・アインシュタイン

知性や科学、さらにはその出現の最も基本的な理由の 1 つ、世界は完全にランダムではなく、高度に構造化されており、予測可能であるということです。したがって、知能または科学の基本的な目的と機能は、この予測可能な構造を理解するために、知覚された世界の大量のデータから節約モデル (または法則) を学習することです。

過去 10 年にわたり、機械学習と大規模コンピューティングの出現により、工学と科学におけるデータの処理、解釈、予測の方法が劇的に変化しました。特定の信号および測定構造のパラメトリック モデル (スパース モデルや低ランク モデルなど)、およびそれらに関連する最適化ツールキットに基づいてアルゴリズムを設計する「従来の」アプローチは、現在、データ駆動型学習技術によって大幅に強化されています。スケール ネットワークは事前トレーニングされ、さまざまな特定のタスクに適応されます。ただし、現代のデータ駆動型であれ古典的なモデルベースであれ、パラダイムの成功は実際のデータに存在する低次元構造を正しく識別することに大きく依存しており、明示的か暗黙的かを問わず、学習および圧縮データ処理アルゴリズムの役割を考慮します。 、ディープネットワークなど）は切り離すことができません。

最近、基礎モデルの出現により、節約と圧縮自体がインテリジェント システムの学習目標の基本的な部分であると示唆する人もいます。これは、脳による知覚データの表現における指導原理としての圧縮に関する神経科学の見解と結びついています。世界。全体として、これらの研究分野はこれまで比較的独立して発展してきましたが、その基礎と目的は倹約と学習にあります。この会議を開催する私たちの目的は、この問題の解決策を統一し、研究をさらに深めることです。私たちはこの会議が、機械学習、応用数学、信号処理、最適化、インテリジェント システム、およびすべての関連科学分野の普遍的な科学フォーラムになることを望んでいます。研究者はここで緊密にコミュニケーションを取り、洞察を共有し、最終的には簡潔な学習の観点から知能と科学を理解するための最新の理論的および計算的フレームワークに移行することができます。

重要な日程:

• 2024年11月25日: カンファレンス論文提出の締め切り
• 2024年12月6日: チュートリアル提案の締め切り
• 2024年12月15日: 「Academic Rising Star」の申請締め切り
• 1月3日-2025年6月-6日: 論文の反論
• 2025年1月4日: チュートリアル結果のリリース
• 2025年1月5日: 「最近の焦点」論文提出締め切り
• 2025年1月30日: 最終論文レビュー結果のリリース
• 2025年3月24-27日: スタンフォード大学で開催されたカンファレンス

すべての締め切りは午後 11:00 UTC - 12:00 タイムゾーン (地球上のどこでも) 59 です。

アカデミックライジングスター「ライジングスター」奨励プログラム

CPALでは、学術界の新勢力を奨励・支援するため、学術分野で優れた業績を残した若手研究者を発掘・表彰する「ライジングスター」プログラムを特別に設けています。シンプルさと学習。博士課程の学生、ポスドク、若手学者の研究成果の提出を歓迎します。選ばれた「Rising Star」は、カンファレンスで成果を発表し、この分野の第一線の学者と交流する貴重な機会を得ることができます。私たちは、このプログラムを通じて、より多くの新世代の研究者の革新的な可能性を刺激し、シンプルさと学習分野の発展を促進できることを願っています。

論文投稿と主題分野

CPAL カンファレンスには、Proceedings Track と Recent Spotlight Track の 2 つのトラックが含まれています。詳細については、公式 Web サイトを参照してください: https://cpal.cc/tracks/

• 「会議議事録」トラック (アーカイブ): 提出とレビューの段階は二重盲検です。カンファレンスでは OpenReview を使用して論文を主催し、オープンなディスカッションを可能にしています。完全な論文は最大 9 ページまで可能で、参考文献や付録のページ数は無制限です。
• 「最近のハイライト」トラック (非アーカイブ): 作品を説明した会議形式の論文 (最大 9 ページ、追加の参考ページ) を提出します。短い (250 ワード) の要約を OpenReview にアップロードしてください。レビューはシングルブラインド方式で行われます（著者は匿名で提出する必要はありません）。

審査メカニズムにおける重要な革新: 各論文には、それを指導する責任を負うプログラム委員長がいます。受理された論文ごとに、責任を負うエリアチェアおよびプログラムチェアの名前が OpenReview ページに公開され、説明責任が確保されます。却下された各論文 (撤回を除く) については、責任のあるプログラム委員長の名前のみが表示されます。査読者は動的に評価され、選択されます。

CPAL は、以下を含むがこれらに限定されない興味のある分野に関連する提出を歓迎します:

• 理論と基礎: スパースコーディング、構造化スパース性、部分空間学習、低次元多様体、および一般的な低次元構造の理論。低次元構造の辞書学習と表現学習、および深層学習理論との関連。等変性と不変性のモデリング。理論的な神経科学と認知科学、および生物学にインスピレーションを得た計算メカニズムの基礎。
• 最適化とアルゴリズム: コンパクトで構造化された表現を学習するための最適化、堅牢性、一般化手法。解釈可能で効率的なディープ アーキテクチャ (展開最適化に基づくものなど)。データ効率と計算効率の高いトレーニングおよび推論方法。適応的で堅牢な学習および推論アルゴリズム。大規模環境における分散学習、ネットワーク学習、または連合学習のアプリケーション。その他の非線形次元削減および表現学習方法。
• データ、システム、アプリケーション: ドメイン固有のデータセット、ベンチマーク、評価指標。データから節約的で構造化された表現を学習します。倹約的な事前計算から恩恵を受ける逆問題。ハードウェアとシステムを共同設計して、節約的な学習アルゴリズムを実現します。インテリジェント システムに感覚と行動のループを統合した節約学習。科学、工学、医学、社会科学への応用。

CPAL 2025カンファレンスチーム

総議長:

• エマニュエル・カンデス(スタンフォード大学)
• マー・イー(香港大学およびカリフォルニア大学バークレー校)

カンファレンス・プログラム議長（プログラム）議長):

• Bedi Chen (カーネギーメロン大学)
• Mert Pilanci (スタンフォード大学)
• Jeremias Sulam (ジョンズ・ホプキンス大学)
• Wang Yuxiang (カリフォルニア大学サンディエゴ校)

カンファレンスアドバイザー(プログラム議長上級顧問):

• Wang Zhangyang (テキサス大学オースティン校)
• Qu Qing (ミシガン大学)

ローカル議長 (ローカル議長):

• Chen Yubei (カリフォルニア大学) Davis)
• Sara Fridovich-Keil (スタンフォード大学/ジョージア工科大学)
• Liu Sheng (スタンフォード大学)

Publicationchairs (出版委員長)

• Su Weijie (ペンシルバニア大学)
• Zhu Zhihui (オハイオ州)州立大学) 業界連絡議長

Babak EhteShami Bejnordi パネル議長 (パネル議長)

• Saiprasad Ravishankar
Lei Qi (ニューヨーク大学)
• Liu Shiwei (オックスフォード大学)
• William T. (大学カリフォルニア、サンタバーバラ)

Rising Stars Award チェア (Rising Stars Award チェア)

• Shen Liyue (ミシガン大学)

Web チェア (Web チェア)

• Sam Buchanan (Toyota Institute ofシカゴ大学テクノロジー)

私たちは、すべての関連分野の研究者に貢献し、研究結果を共有し、研究分野の簡素化と発展を促進することを心から歓迎します。

以上が第2回「倹約と学習に関する会議（CPAL）」がスタンフォード大学で開催され、論文の募集が行われている。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。