<div dir="ltr">Reminder that the registration deadline for the Southern California Machine Learning Symposium is *this Friday*, November 11.<div><br></div><div><a href="http://dolcit.cms.caltech.edu/scmls/">http://dolcit.cms.caltech.edu/scmls/</a><br></div><div><br></div><div>We have 42 posters, three guest speakers, 6 sponsors, plus booths, swag, and wonderful prizes. And catering! Registration is only $10. See the above website for local information etc.<br></div><div><br></div><div>Hope to see you there soon!</div><div>Yisong Yue, Julian McAuley</div><div><br></div><div>===== Invited speakers and accepted submissions =====</div><div><br></div><div>Invited speakers:</div><div><div>Yan Liu (USC)</div><div>Silvio Savarese (Stanford)<br></div><div>Guy Van den Broeck (UCLA)<br></div></div><div><br></div><div>List of accepted submissions:</div><div><div>1. Low-rank Bilinear Pooling for Fine-Grained Classification (Shu Kong and Charless Fowlkes)</div><div>2. Using Gaussian process models to predict channelrhodopsin plasma mebrane localization (Kevin Yang)</div><div>3. Active Learning from Weak and Strong Labelers (Chicheng Zhang and Kamalika Chaudhuri)</div><div>4. Mixed Membership Word Embeddings: Corpus-Specific Embeddings Without Big Data (James Foulds)</div><div>5. Tensor Contractions with Extended BLAS Kernels on CPU and GPU (Yang Shi, U N Niranjan, Animashree Anandkumar and Cris Cecka)</div><div>6. Exchange Rate Prediction from Twitter's Trending Topics (Fulya Ozcan)</div><div>7. Distribution-free Detection of a Submatrix (Ery Arias-Castro and Yuchao Liu)</div><div>8. Modeling and Predicting the Performance of Electrical Spinal Cord Stimulation in Patients with Spinal Cord Injury (Ellen Feldman and Joel Burdick)</div><div>9. Circuits in the retina: Deep learning as a biological modeling tool (Dawna Bagherian, Taehwan Kim, Yisong Yue and Markus Meister)</div><div>10. A simple approach to sparse clustering (Xiao Pu and Ery Arias-Castro)</div><div>11. Hyperband: A Novel Bandit-Based Approach to Hyperparameter Optimization (Lisha Li, Kevin Jamieson, Giulia Desalvo, Afshin Rostamizadeh and Ameet Talwalkar)</div><div>12. Blending Spatial Modeling and Probabilistic Bisection (Sergio Rodriguez and Michael Ludkovski)</div><div>13. Relation Extraction from BioMedical Texts using Convolution Neural Networks (Ankit Goyal and Chun-Nan Hsu)</div><div>14. Distributed Bayesian Filtering Algorithm for Dynamic Sensor Networks (Saptarshi Bandyopadhyay and Soon-Jo Chung)</div><div>15. Collaborative Filtering as a Case-Study for Model Parallelism on Bulk Synchronous Systems (Ariyam Das, Ishan Upadhyaya, Xiangrui Meng and Ameet Talwalkar)</div><div>16. A Performance Model for Training Deep Neural Networks (Hang Qi, Evan Sparks and Ameet Talwalkar)</div><div>17. Numerical Results on Directed Graph Process Distances for Model Architectures: Inter and Intra-Lineage (Eric Mjolsness and Cory Scott)</div><div>18. Gene Regulatory Network Modeling with Neural Network ODEs (Dustin Maurer and Eric Mjolsness)</div><div>19. Faster Constraint Solving Using Learning Based Abstractions (Sumanth Dathathri, Nikos Arechiga and Sicun Gao)</div><div>20. Active Long Term Memory Networks (Tommaso Furlanello, Jiaping Zhao, Andrew Saxe, Laurent Itti and Bosco S. Tjan)</div><div>21. A Class of Neural-Based Dynamics for Online Learning of Incentive Mechanisms in Congestion Games with Stochastic Switching Graphs (Jorge I. Poveda, Philip N. Brown, Jason R. Marden and Andrew R. Teel)</div><div>22. Correlational Dueling Bandits with Application to Clinical Treatment in Large Decision Space (Yanan Sui and Joel Burdick)</div><div>23. Dictionary Learning with Semidefinite Representations (Yong Sheng Soh and Venkat Chandrasekaran)</div><div>24. Variational Adversarial Deep Domain Adaptation for Healthcare Time Series (Sanjay Purushotham, Wilka Carvalho and Yan Liu)</div><div>25. Abstract: Robust Channel Coding Strategies for Machine Learning Data (Kayvon Mazooji, Frederic Sala, Guy Van den Broeck and Lara Dolecek)</div><div>26. Bayesian Triplet Learning (Vicente Malave and Angela Yu)</div><div>27. Neural Network Compression With Tensors (Rose Yu and Yan Liu)</div><div>28. Boltzmann Chemical Reaction Networks (William Poole, Erik Winfree, Abhishek Behera, Manoj Gopalkrishnan, Nick Jones, Tom Ouldridge and Andres Ortiz-Munoz)</div><div>29. Performance Comparison between TRPO and CEM for Deep Reinforcement Learning (Sebastien Arnold, Elizabeth Chu and Francisco Valero-Cuevas)</div><div>30. Change-Point Detection without Needing to Detect Change-Points? (Chaitanya Ryali and Angela J. Yu)</div><div>31. A Semi-Supervised Machine Learning Approach for Healthcare Applications (Mina Ch. Moghadam, Masoumeh Ebrahimi and Nader Bagherzadeh)</div><div>32. What You Ask Is What You Get: Query Design and Robust Algorithms for Crowdsourced Clustering (Ramya Korlakai Vinayak and Babak Hassibi)</div><div>33. Associating Semantics to Latent Variables (Armeen Taeb and Venkat Chandrasekaran)</div><div>34. Generating Long-term Trajectories Using Deep Hierarchical Networks (Stephan Zheng and Yisong Yue)</div><div>35. A Rotation Invariant Latent Factor Model for Moveme Discovery from Static Poses (Matteo Ruggero Ronchi, Joon Sik Kim and Yisong Yue)</div><div>36. Learning recurrent representations for dynamic behavior modeling (Eyrun Eyjolfsdottir, Kristin Branson, Yisong Yue and Pietro Perona)</div><div>37. Stability of Causal Inference (Leonard Schulman and Piyush Srivastava)</div><div>38. Deciding how to decide: dynamic routing in artificial neural networks (Mason McGill and Pietro Perona)</div><div>39. Data-Driven Ghosting using Deep Imitation Learning (Hoang Le)</div><div>40. Beyond LDA: A Unified Framework for Learning Latent Normalized Infinitely Divisible Topic Models through Spectral Methods (Forough Arabshahi and Animashree Anandkumar)</div><div>41. The Possibilities and Limitations of Private Prediction Markets (Rachel Cummings)</div><div>42. Learning interpretable features of facial attractiveness (Amanda Song, Linjie Li and Garrison Cottrell)</div><div><br></div></div></div>