專攻低維結構！第二屆「簡約與學習會議」即將在史丹福開啟，馬毅出任主席

新智元報導  

編輯：LRST

【新智元導讀】簡約才是科研的王道，第二屆簡約學習大會CPAL 2025將在史丹福大學舉辦，主要關注理解深度網絡與非線性、多模式數據結構之間的互動，探索神經網絡模型的壓縮和稀疏化方法。

第二屆簡約與學習大會 Conference on Parsimony and Learning (CPAL) 將於2025年3月底在史丹福大學舉辦，由史丹福大學數據科學院承辦。

第二屆會議官網：https://cpal.cc/

CPAL 2025 會議介紹

CPAL是一個小而精的年度研究會議，強調簡約 (Parsimonious) 和低維結構 (Low Dimensional Structures) 的研究，因為它們在機器學習、信號處理和優化問題中至關重要。

大會歡迎與簡約和學習相關的理論、算法、應用、硬件、系統等基礎科學的研究工作。

首屆CPAL於2024年1月在香港大學成功舉辦，會議吸引了數百名世界各地的參會者，包含四天豐富多彩的議程的活動。

首屆大會邀請了九位特邀講者，十六位新星獎得主，和近百接受論文（雙軌道）的口頭或海報報導。

首屆大會詳情可見：https://2024.cpal.cc/ 

關鍵日期

• 2024年11月25日：大會論文投稿截止

• 2024年12月6日：教程 (Tutorial) 提案截止

• 2024年12月15日：「學術新星」申請截止

• 2025年1月3日-6日：論文Rebuttal

• 2025年1月4日：教程 結果發佈

• 2025年1月5日：「近期焦點」文章投稿截止

• 2025年1月30日：最終論文評審結果發佈

• 2025年3月24-27日：會議在史丹福大學舉行

大會願景

「Everything should be made as simple as possible, but not any simpler.」

——Albert Einstein

智能和科學存在的基礎在於世界的高度結構性和可預測性。智能和科學的目的是通過從這些結構中學習簡潔的模型或規律來理解世界。

在過去十年里，機器學習和大規模計算極大地改變了我們處理、解釋和預測數據的方式。傳統的稀疏和低秩模型在現代數據驅動的背景下得到了豐富，尤其是在神經網絡的應用中。

近年來，研究者們致力於理解深度網絡與非線性、多模式數據結構之間的互動，探索神經網絡模型的壓縮和稀疏化方法。

CPAL 會議旨在為從事機器學習、應用數學、信號處理、優化、智能系統等相關領域的研究人員提供一個平台，建立一個從簡約角度理解智能和科學的現代理論和計算框架。

CPAL 2025 會議團隊

大會主席（General Chairs）

• Emmanuel Candès (史丹福大學)

• 馬毅 (香港大學 & 加州大學伯克利分校)

會議程序主席（Program Chairs）

• 陳貝迪 (卡耐基梅隆大學)

• Mert Pilanci (史丹福大學)

• Jeremias Sulam（約翰霍普金斯大學）

• 王宇翔（加州大學聖迪亞高分校）

會議顧問（Senior Advisors to Program Chairs）

• 汪張揚 （德州大學奧斯丁分校）

• 曲慶 (密歇根大學)

本地主席（Local Chairs）

• 陳羽北 (加州大學大衛斯分校)

• Sara Fridovich-Keil（史丹福大學/佐治亞理工）

• 劉晟（史丹福大學）

出版主席（Publication Chairs）

• 蘇煒傑（賓夕法尼亞大學）

• 朱誌輝（俄亥俄州立大學）

行業聯絡主席（Industry Liaison Chairs）

• Babak Ehteshami Bejnordi（高通公司）

• Utku Evci（GoogleDeepMind）

• Souvik Kundu（英特爾實驗室）

專題討論主席（Panel Chairs）

• Saiprasad Ravishankar（密歇根州立大學）

教程主席（Tutorial Chairs） 

• 尤翀（Google研究院）

宣傳主席（Publicity Chairs）

• 雷琦（紐約大學）

• 劉世偉（牛津大學）

• William T. Redman（加州大學聖巴巴拉分校）

學術新星獎主席（Rising Stars Award Chairs）

• 申荔月（密歇根大學）

網站主席（Web Chairs）

• Sam Buchanan（芝加哥大學豐田技術研究所）

學術新星「Rising Star」鼓勵計劃

為鼓勵和支持學術界的新生力量，CPAL特別設立了「Rising Star」計劃，旨在發掘和表彰在簡約與學習領域表現突出的年輕研究人員。

我們歡迎博士生、博士後和青年學者提交他們的研究工作。被選中的「Rising Star」將有機會在大會上展示他們的成果，並獲得與領域內頂尖學者交流的寶貴機會。

我們希望通過這一計劃，能夠激發更多新生代研究人員的創新潛力，推動簡約與學習領域的發展。

論文提交和學科領域

CPAL 會議包括兩個軌道：大會論文集 (Proceedings Track) 和「近期焦點」軌道 (Recent Spotlight Track)，詳情請參考官網：https://cpal.cc/tracks/

CPAL 歡迎以下興趣領域相關的投稿，包括但不限於：

• 理論與基礎：

• 稀疏編碼、結構化稀疏性、子空間學習、低維流形及一般低維結構的理論。

• 字典學習和低維結構的表徵學習，以及它們與深度學習理論的聯繫。

• 等變性和不變性建模。

• 理論神經科學和認知科學的基礎，以及生物啟發的計算機制。

• 優化與算法：

• 學習緊湊和結構化表徵的優化、魯棒性和泛化方法。

• 可解釋和高效的深度架構（如基於展開優化的架構）。

• 數據高效和計算高效的訓練與推理方法。

• 自適應和魯棒的學習和推理算法。

• 分佈式、網絡化或聯邦學習在大規模環境中的應用。

• 其他非線性降維和表徵學習方法。

• 數據、系統與應用：

• 特定領域的數據集、基準和評估指標。

• 從數據中學習簡約和結構化的表徵。

• 受益於簡約先驗的逆問題。

• 為簡約學習算法設計的硬件和系統協同設計。

• 在智能系統中，集成感知-行動循環的簡約學習。

• 在科學、工程、醫學和社會科學中的應用。

我們誠摯邀請所有相關領域的研究人員踴躍投稿，分享您的研究成果，推動簡約與學習領域的發展。

參考資料：

https://cpal.cc/