会员服务
偏好学习 · ECML-PKDD ·
2021 年 6 月 10 日
【PKDD2021】成对偏好学习，109页ppt，Pairwise Preference Learning
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

使用两两排序数据分析偏好有很长一段历史，是几个研究领域的核心，包括机器学习、统计学、运算学、博弈论、社会选择和理论计算机科学，应用范围包括广告投放、投票、体育排名、多标准决策等等。上述每个领域的研究都是独立发展的，通常它们之间没有很多互动。本教程的主要目的是概述偏好学习方面令人兴奋的最新进展，重点介绍被动、主动、强盗和社会选择相关背景下的两两偏好学习。

https://www.pakdd2021.org/Programme/tutorials

成为VIP会员查看完整内容
https://www.pakdd2021.org/Programme/tutorials
Recent Advances in Pairwise Preference Learning
21

相关内容

【ICML2021-教程】无监督强化学习，285页ppt
专知会员服务
79+阅读 · 2021年7月23日
【NeurIPS2020】因果推断学习教程，70页ppt
【NeurIPS2020】因果推断学习教程，70页ppt
专知会员服务
199+阅读 · 2020年12月12日
【PKDD2020教程】机器学习不确定性，附88页ppt与视频
【PKDD2020教程】机器学习不确定性，附88页ppt与视频
专知会员服务
95+阅读 · 2020年10月18日
元学习(meta learning) 最新进展综述论文
元学习(meta learning) 最新进展综述论文
专知会员服务
281+阅读 · 2020年5月8日
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
专知会员服务
134+阅读 · 2020年4月14日
【CVPR2020-北交】图匹配组合求解器，Learning Combinatorial Solver GM
【CVPR2020-北交】图匹配组合求解器，Learning Combinatorial Solver GM
专知会员服务
28+阅读 · 2020年4月11日
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations for Semi-Supervised Learning from Sparse Data
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations for Semi-Supervised Learning from Sparse Data
专知会员服务
15+阅读 · 2020年3月7日
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations
专知会员服务
19+阅读 · 2020年3月6日
【AAAI2020教程】强化学习中的Exploration-Exploitation in Reinforcement Learning
专知会员服务
101+阅读 · 2020年2月8日
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
专知会员服务
54+阅读 · 2019年10月25日
AACL2020最新《可解释人工智能与自然语言处理可解释性》教程，附159页ppt与视频
AACL2020最新《可解释人工智能与自然语言处理可解释性》教程，附159页ppt与视频
专知
25+阅读 · 2020年12月6日
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
专知
11+阅读 · 2020年8月28日
最新《深度生成式模型进展》视频报告，43页ppt，斯坦福Aditya Grover
最新《深度生成式模型进展》视频报告，43页ppt，斯坦福Aditya Grover
专知
13+阅读 · 2020年8月9日
浅谈主动学习（Active Learning）
浅谈主动学习（Active Learning）
凡人机器学习
32+阅读 · 2020年6月18日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
专知
72+阅读 · 2020年2月29日
【麻省理工学院MIT】图神经网络的泛化与表示极限，Generalization Representation limit GNN
【麻省理工学院MIT】图神经网络的泛化与表示极限，Generalization Representation limit GNN
专知
4+阅读 · 2020年2月24日
【新书】深度学习搜索，Deep Learning for Search，327页pdf
【新书】深度学习搜索，Deep Learning for Search，327页pdf
专知
85+阅读 · 2020年1月19日
【微软Alekh等开放新书】强化学习理论与算法，83页pdf，了解最新进展
【微软Alekh等开放新书】强化学习理论与算法，83页pdf，了解最新进展
专知
25+阅读 · 2019年11月23日
《Machine Learning for Humans》第五章：无监督学习
《Machine Learning for Humans》第五章：无监督学习
论智
8+阅读 · 2018年5月25日
推荐｜机器学习中的模型评价、模型选择和算法选择！
推荐｜机器学习中的模型评价、模型选择和算法选择！
全球人工智能
10+阅读 · 2018年2月5日
Contrastive Learning with Adversarial Examples
Arxiv
5+阅读 · 2020年10月22日
A Survey of Adversarial Learning on Graphs
Arxiv
38+阅读 · 2020年3月10日
Unifying Knowledge Graph Learning and Recommendation: Towards a Better Understanding of User Preferences
Arxiv
6+阅读 · 2019年2月17日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Learning Graph Embedding with Adversarial Training Methods
Learning Graph Embedding with Adversarial Training Methods
Arxiv
6+阅读 · 2019年1月4日
Generative Dual Adversarial Network for Generalized Zero-shot Learning
Arxiv
7+阅读 · 2018年11月12日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
Inductive Representation Learning on Large Graphs
Arxiv
3+阅读 · 2018年4月10日
Handling Homographs in Neural Machine Translation
Arxiv
3+阅读 · 2018年3月28日
Deep Gaussian Embedding of Graphs: Unsupervised Inductive Learning via Ranking
Arxiv
5+阅读 · 2018年2月27日
VIP会员
相关主题
偏好学习
ECML-PKDD
最新内容
人工智能与机器人自主系统等新兴技术革命将如何影响地面作战的指挥控制？
人工智能与机器人自主系统等新兴技术革命将如何影响地面作战的指挥控制？
专知会员服务
0+阅读 · 47分钟前
弹性指挥控制：北约、伊朗与俄罗斯指挥控制架构的比较分析
弹性指挥控制：北约、伊朗与俄罗斯指挥控制架构的比较分析
专知会员服务
1+阅读 · 今天15:58
最新“指挥控制”领域出版物合集（简介）
最新“指挥控制”领域出版物合集（简介）
专知会员服务
1+阅读 · 今天15:19
面向军事作战需求开发的人工智能（RAIMOND）
面向军事作战需求开发的人工智能（RAIMOND）
专知会员服务
3+阅读 · 今天15:13
检测算法战：一个识别军事行动中人工智能特征的框架
检测算法战：一个识别军事行动中人工智能特征的框架
专知会员服务
1+阅读 · 今天15:00
软件定义多域战术网络：基础与未来方向（综述）
软件定义多域战术网络：基础与未来方向（综述）
专知会员服务
3+阅读 · 今天14:57
水下战战术决策中的气象与海洋预报（50页报告）
水下战战术决策中的气象与海洋预报（50页报告）
专知会员服务
1+阅读 · 今天14:52
远程空中优势：新一代超视距导弹的兴起
远程空中优势：新一代超视距导弹的兴起
专知会员服务
1+阅读 · 今天14:45
大语言模型溯因推理的统一分类学与综述
大语言模型溯因推理的统一分类学与综述
专知会员服务
0+阅读 · 今天12:07
CVPR 2026 Findings | 算力砍半、性能不降！全开源 A₁模型：让机器人大模型真正走向落地
CVPR 2026 Findings | 算力砍半、性能不降！全开源 A₁模型：让机器人大模型真正走向落地
专知会员服务
0+阅读 · 今天11:54
大语言模型与国防战略：升级风险与国家安全挑战（综述）
大语言模型与国防战略：升级风险与国家安全挑战（综述）
专知会员服务
6+阅读 · 今天4:52
《基于机器学习预测模型识别新型超视距战术及DARPA AIR智能体误差分析》
《基于机器学习预测模型识别新型超视距战术及DARPA AIR智能体误差分析》
专知会员服务
10+阅读 · 4月11日
以机器速度作战：人工智能与美陆军反火力作战——第二部分
以机器速度作战：人工智能与美陆军反火力作战——第二部分
专知会员服务
8+阅读 · 4月11日
以机器速度作战：人工智能与美陆军反火力作战——第一部分
以机器速度作战：人工智能与美陆军反火力作战——第一部分
专知会员服务
7+阅读 · 4月11日
大视觉语言模型的高效推理：瓶颈剖析、关键技术与未来展望
大视觉语言模型的高效推理：瓶颈剖析、关键技术与未来展望
专知会员服务
6+阅读 · 4月11日
相关VIP内容
【ICML2021-教程】无监督强化学习，285页ppt
专知会员服务
79+阅读 · 2021年7月23日
【NeurIPS2020】因果推断学习教程，70页ppt
【NeurIPS2020】因果推断学习教程，70页ppt
专知会员服务
199+阅读 · 2020年12月12日
【PKDD2020教程】机器学习不确定性，附88页ppt与视频
【PKDD2020教程】机器学习不确定性，附88页ppt与视频
专知会员服务
95+阅读 · 2020年10月18日
元学习(meta learning) 最新进展综述论文
元学习(meta learning) 最新进展综述论文
专知会员服务
281+阅读 · 2020年5月8日
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
专知会员服务
134+阅读 · 2020年4月14日
【CVPR2020-北交】图匹配组合求解器，Learning Combinatorial Solver GM
【CVPR2020-北交】图匹配组合求解器，Learning Combinatorial Solver GM
专知会员服务
28+阅读 · 2020年4月11日
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations for Semi-Supervised Learning from Sparse Data
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations for Semi-Supervised Learning from Sparse Data
专知会员服务
15+阅读 · 2020年3月7日
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations
【SIGMOD2020】稀疏数据半监督学习的分解图表示，Factorized Graph Representations
专知会员服务
19+阅读 · 2020年3月6日
【AAAI2020教程】强化学习中的Exploration-Exploitation in Reinforcement Learning
专知会员服务
101+阅读 · 2020年2月8日
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
专知会员服务
54+阅读 · 2019年10月25日
热门VIP内容
相关资讯
AACL2020最新《可解释人工智能与自然语言处理可解释性》教程，附159页ppt与视频
AACL2020最新《可解释人工智能与自然语言处理可解释性》教程，附159页ppt与视频
专知
25+阅读 · 2020年12月6日
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
【KDD2020-Tutorial】因果推理与稳定学习，Causal Inference and Stable Learning
专知
11+阅读 · 2020年8月28日
最新《深度生成式模型进展》视频报告，43页ppt，斯坦福Aditya Grover
最新《深度生成式模型进展》视频报告，43页ppt，斯坦福Aditya Grover
专知
13+阅读 · 2020年8月9日
浅谈主动学习（Active Learning）
浅谈主动学习（Active Learning）
凡人机器学习
32+阅读 · 2020年6月18日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
专知
72+阅读 · 2020年2月29日
【麻省理工学院MIT】图神经网络的泛化与表示极限，Generalization Representation limit GNN
【麻省理工学院MIT】图神经网络的泛化与表示极限，Generalization Representation limit GNN
专知
4+阅读 · 2020年2月24日
【新书】深度学习搜索，Deep Learning for Search，327页pdf
【新书】深度学习搜索，Deep Learning for Search，327页pdf
专知
85+阅读 · 2020年1月19日
【微软Alekh等开放新书】强化学习理论与算法，83页pdf，了解最新进展
【微软Alekh等开放新书】强化学习理论与算法，83页pdf，了解最新进展
专知
25+阅读 · 2019年11月23日
《Machine Learning for Humans》第五章：无监督学习
《Machine Learning for Humans》第五章：无监督学习
论智
8+阅读 · 2018年5月25日
推荐｜机器学习中的模型评价、模型选择和算法选择！
推荐｜机器学习中的模型评价、模型选择和算法选择！
全球人工智能
10+阅读 · 2018年2月5日
相关论文
Contrastive Learning with Adversarial Examples
Arxiv
5+阅读 · 2020年10月22日
A Survey of Adversarial Learning on Graphs
Arxiv
38+阅读 · 2020年3月10日
Unifying Knowledge Graph Learning and Recommendation: Towards a Better Understanding of User Preferences
Arxiv
6+阅读 · 2019年2月17日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Learning Graph Embedding with Adversarial Training Methods
Learning Graph Embedding with Adversarial Training Methods
Arxiv
6+阅读 · 2019年1月4日
Generative Dual Adversarial Network for Generalized Zero-shot Learning
Arxiv
7+阅读 · 2018年11月12日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
Inductive Representation Learning on Large Graphs
Arxiv
3+阅读 · 2018年4月10日
Handling Homographs in Neural Machine Translation
Arxiv
3+阅读 · 2018年3月28日
Deep Gaussian Embedding of Graphs: Unsupervised Inductive Learning via Ranking
Arxiv
5+阅读 · 2018年2月27日
微信扫码咨询专知VIP会员
Top