JMLR 编委会

主编

Pradeep Ravikumar, 卡内基梅隆大学。
Tong Zhang, 伊利诺伊大学厄巴纳-香槟分校。

管理编辑

Rajarshi Das, 马萨诸塞大学阿默斯特分校。
Hanze Dong, 微软研究院。
Daniel P. Jeong, 卡内基梅隆大学。
Rui Pan, 伊利诺伊大学厄巴纳-香槟分校。

编辑助理

Stella Lianou, 哥伦比亚大学。

制作编辑

Kevin Bello, 卡内基梅隆大学和芝加哥大学。

网站管理员

Yizhen Jia.

JMLR 执行编辑

Edo Airoldi, 哈佛大学，美国统计学、近似推断、因果推断、网络数据分析、计算生物学。
Pierre Alquier, ESSEC Asia-Pacific 统计学习理论、PAC-Bayes学习、近似贝叶斯推断、变分推断、高维统计。
Animashree Anandkumar, 加州理工学院，美国张量分解、非凸优化、概率模型、强化学习。
Bryon Aragam, 芝加哥大学因果关系、人工智能、生成模型、无监督学习、非参数统计。
Krishnakumar Balasubramanian, 加州大学戴维斯分校采样、随机优化、学习理论。
Arindam Banerjee, UIUC 多臂老虎机、生成模型、深度学习、优化、学习理论、联邦学习。
Elias Bareinboim, 哥伦比亚大学因果推断、泛化性、公平性、强化学习。
Raef Bassily, 俄亥俄州立大学差分隐私、隐私保护机器学习、学习理论、优化。
Yoshua Bengio, 蒙特利尔大学，加拿大 / Mila 深度学习、学习推理。
Samy Bengio, Apple，美国深度学习、表征学习。
Quentin Berthet, Google DeepMind 凸优化、最优传输、可微分编程、高维统计。
Alexandre Bouchard, UBC MCMC、SMC、系统发育学。
Joan Bruna, NYU，美国深度学习理论、信号处理、统计学。
Miguel Carreira-Perpinan, 加州大学默塞德分校，美国决策树和森林、神经网络压缩、深度学习中的优化。
Kai-Wei Chang, UCLA 大型语言模型、可信赖的自然语言处理、视觉语言模型。
Silvia Chiappa, DeepMind 因果推断、近似贝叶斯推断、变分推断、机器学习公平性。
Kyle Cranmer, 威斯康星大学麦迪逊分校科学人工智能/机器学习、概率机器学习、近似推断、几何深度学习。
Florence d'Alche-Buc, Telecom Paris, Institut Polytechnique de Paris 核方法、复杂输出预测、鲁棒性、可解释性、生物信息学。
Luc De Raedt, Katholieke Universiteit Leuven, 比利时 (统计)关系学习、归纳逻辑编程、符号机器学习、概率编程、从结构化数据学习、模式挖掘。
Gal Elidan, 希伯来大学，以色列
Barbara Engelhardt, 斯坦福大学，美国潜在因子模型、计算生物学、统计推断、分层模型。
Kenji Fukumizu, 统计数学研究所，日本核方法、降维。
Christophe Giraud, Universite Paris-Saclay 聚类、网络分析、算法公平性、平均情况计算难度、高维统计。
Manuel Gomez-Rodriguez, Max Planck Institute for Software Systems 公平性、可解释性、责任性、战略行为、人机协作、时间点过程。
Russell Greiner, 阿尔伯塔大学，加拿大医学信息学、主动/预算学习、生存预测。
Quanquan Gu, UCLA 优化、深度学习理论、强化学习、LLM、深度生成模型、高维统计。
Benjamin Guedj, Inria and University College London, 法国和英国学习理论、PAC-Bayes、计算统计、高维统计、深度学习理论、概率模型、贝叶斯推断。
Rajarshi Guhaniyogi, 德克萨斯农工大学大型数据的空间和时空贝叶斯方法、高维回归的贝叶斯理论和方法、张量和网络值回归、函数数据分析、近似贝叶斯推断、图模型、神经影像学和环境科学中的应用。
Maya Gupta, 华盛顿大学公平性、可解释性、社会问题、安全性、回归、集成、形状约束、免疫学、信息论。
Tommi Jaakkola, 麻省理工学院，美国近似推断、结构化预测、深度学习。
Tommi Jaakola,
Prateek Jain, 微软研究院，印度非凸优化、随机优化、大规模优化、资源受限机器学习。
Kevin Jamieson, 华盛顿大学多臂老虎机、主动学习、实验设计。
Nan Jiang, 伊利诺伊大学厄巴纳-香槟分校强化学习理论。
Varun Kanade, 牛津大学学习理论；在线学习；计算复杂性；优化。
Samuel Kaski, 阿尔托大学，芬兰概率建模、多个数据源（多视图、多任务、多模态、检索）；生物信息学、用户交互、脑信号分析中的应用。
Mohammad Emtiyaz Khan, RIKEN Center for Advanced Intelligence, 日本变分推断、近似贝叶斯推断、贝叶斯深度学习。
Mladen Kolar, 南加州大学，美国高维统计、图模型。
George Konidaris, 杜克大学，美国强化学习、人工智能、机器人学。
Aryeh Kontorovich, 本古里安大学度量空间、最近邻、马尔可夫链、统计学。
Wouter Koolen, CWI, 阿姆斯特丹在线学习、老虎机、纯探索、e 值。
Alp Kucukelbir, 哥伦比亚大学 & Fero Labs 变分推断、统计机器学习、近似推断、扩散、概率编程。
Brian Kulis, 波士顿大学深度学习、聚类、核方法、度量学习、自监督学习、音频应用、视觉应用。
Sanjiv Kumar, Google Research 表征学习、优化、深度学习、哈希、最近邻搜索。
Eric Laber, 杜克大学强化学习、精准医学、治疗方案、因果推断。
Christoph Lampert, Institute of Science and Technology, 奥地利 (IST Austria) 迁移学习、可信赖的学习、计算机视觉。
Tor Lattimore, DeepMind 老虎机、强化学习、在线学习。
Honglak Lee, Google 和密歇根大学安娜堡分校深度学习、深度生成模型、表征学习、强化学习、无监督学习。
Anthony Lee, 布里斯托尔大学马尔可夫链蒙特卡洛、顺序蒙特卡洛。
Han Liu,
Qiang Liu, 德克萨斯大学奥斯汀分校深度学习、神经网络、优化、生成模型、扩散模型、大型语言模型。
Jianfeng Lu, 杜克大学蒙特卡洛采样、科学机器学习、生成模型。
Gabor Lugosi, Pompeu Fabra University, 西班牙统计学习理论、在线预测、集中不等式。
马士谦 (Shiqian Ma), 莱斯大学 (Rice University) 一阶方法，随机算法，双层优化，黎曼优化
迈克尔·马霍尼 (Michael Mahoney), 美国加州大学伯克利分校 (University of California at Berkeley, USA) 随机线性代数；随机优化；神经网络；矩阵算法；图算法；科学机器学习
维卡什·曼辛格卡 (Vikash Mansinghka), 美国麻省理工学院 (Massachusetts Institute of Technology, USA) 概率编程，贝叶斯结构学习，大规模顺序蒙特卡洛
拉胡尔·马祖姆达 (Rahul Mazumder), 麻省理工学院 (Massachusetts Institute of Technology) 数学优化，高维统计，稀疏性，Boosting，非参数统计，形状约束估计，决策树集成，压缩大型神经网络
乔竹梅 (Qiaozhu Mei), 美国密歇根大学 (University of Michigan, USA) 从文本、网络和行为数据中学习，表示学习，交互式学习
瓦哈布·米罗克尼 (Vahab Mirrokni), 谷歌研究 (Google Research) 机制设计与互联网经济学，算法博弈论，分布式优化，次模优化，大规模图挖掘
梅里亚尔·莫里 (Mehryar Mohri), 美国纽约大学 (New York University, USA) 学习理论（所有方面，包括拍卖、集成方法、结构化预测、时间序列、在线学习、博弈、适应、学习核、谱学习、排序、低秩逼近）
格尔戈·诺伊 (Gergely Neu), 强化学习，学习理论，在线学习，bandit理论
林·阮 (Lam Nguyen), IBM 研究，托马斯·J·沃森研究中心 (IBM Research, Thomas J. Watson Research Center) 随机梯度算法，非凸优化，随机优化，凸优化
克里斯·奥茨 (Chris Oates), 纽卡斯尔大学 (Newcastle University) 贝叶斯计算，核方法，不确定性量化
洛朗·奥索 (Laurent Orseau), Deepmind 强化学习，通用人工智能
阿米哈伊·佩因斯基 (Amichai Painsky), 特拉维夫大学 (Tel Aviv University) 统计学，信息论，统计推断，预测建模，基于树的模型，数据压缩，概率估计
德布迪普·帕蒂 (Debdeep Pati), 德克萨斯农工大学 (Texas A&M University) 高维贝叶斯理论和方法；近似贝叶斯方法；高维网络分析，图模型，复杂形状的层次建模，点模式数据建模，实时跟踪算法
杰·彭 (Jie Peng), 美国加州大学戴维斯分校 (University of California, Davis, USA) 高维统计推断，图模型，函数数据分析
维安内·佩尔谢 (Vianney Perchet), ENSAE & Criteo AI Lab bandit，在线学习，匹配
马西米利亚诺·蓬蒂尔 (Massimiliano Pontil), 意大利理工学院 (Istituto Italiano di Tecnologia (Italy), University College London (UK)) 多任务和迁移学习，凸优化，核方法，稀疏正则化
亚历山大·普鲁蒂埃 (Alexandre Proutiere), 瑞典皇家理工学院 (KTH Royal Institute of Technology) 强化学习，控制系统中的统计学习，bandit，聚类和社区检测
马克西姆·拉金斯基 (Maxim Raginsky), 伊利诺伊大学厄巴纳-香槟分校 (University of Illinois at Urbana-Champaign) 深度学习理论，统计学习，优化，应用概率，测度集中，动力系统和控制
彼得·里希塔里克 (Peter Richtarik), 沙特阿拉伯科技大学 (King Abdullah University of Science and Technology (KAUST)) 凸和非凸优化，随机零点，一阶和二阶方法，分布式训练，联邦学习，通信压缩，算子分裂，高效机器学习
洛伦佐·罗萨斯科 (Lorenzo Rosasco), 意大利热那亚大学 (University of Genova, Italy) 和美国麻省理工学院 (Massachusetts Institute of Technology, USA) 统计学习理论，优化，正则化，逆问题
鲁斯兰·萨拉胡迪诺夫 (Ruslan Salakhutdinov), 卡内基梅隆大学 (Carnegie Mellon University) 深度学习，概率图模型和大规模优化。
约瑟夫·萨尔蒙 (Joseph Salmon), Inria 高维统计，凸优化，众包
克里斯蒂安·谢尔顿 (Christian Shelton), 美国加州大学河滨分校 (UC Riverside, USA) 时间序列，时空过程，点过程
夏彤·申 (Xiaotong Shen), 美国明尼苏达大学 (University of Minnesota, USA) 学习，图模型，推荐器
伊利亚·施皮策 (Ilya Shpitser), 约翰霍普金斯大学 (Johns Hopkins University) 因果推断，缺失数据，算法公平性，半参数统计
马迪·索尔塔诺尔科塔比 (Mahdi Soltanolkotabi),
巴拉特·斯里佩伦布杜尔 (Bharath Sriperumbudur), 宾夕法尼亚州立大学 (Pennsylvania State University) 核方法，正则化，函数和空间理论，统计学习理论，非参数估计和检验，函数数据分析，拓扑数据分析
英戈·施泰因瓦特 (Ingo Steinwart), 德国斯图加特大学 (University of Stuttgart, Germany) 统计学习理论，基于核的学习方法（支持向量机），聚类分析，损失函数
塞巴斯蒂安·施蒂希 (Sebastian Stich), CISPA 亥姆霍兹信息安全中心 (CISPA Helmholtz Center for Information Security) 凸和非凸优化，随机优化，大规模和分布式训练，联邦学习
维杰·苏 (Weijie Su), 宾夕法尼亚大学 (University of Pennsylvania) 差分隐私，深度学习理论，LLMs，高维统计，优化
强·孙 (Qiang Sun), 多伦多大学 (University of Toronto) 离散扩散模型，集成学习，泛化，可信赖的机器学习
查巴·塞佩斯瓦里 (Csaba Szepesvari), 加拿大阿尔伯塔大学 (University of Alberta, Canada) 强化学习，序列决策，学习理论
建·唐 (Jian Tang), Mila-Quebec AI Institute 深度生成模型，图神经网络，几何深度学习，蛋白质设计，药物发现
安布吉·特瓦里 (Ambuj Tewari), 美国密歇根大学 (University of Michigan, USA) 学习理论，在线学习，bandit问题，强化学习，优化，高维统计
马修·索普 (Matthew Thorpe), 沃里克大学 (University of Warwick) 最优传输，半监督学习，无监督学习，基于图的学习
金·田 (Jin Tian), 穆罕默德·本·扎耶德人工智能大学 (Mohamed bin Zayed University of Artificial Intelligence) 因果推断，贝叶斯网络，概率图模型
西尔维娅·维拉 (Silvia Villa), 意大利热那亚大学 (Genova University, Italy) 优化，凸优化，一阶方法，正则化
赵然·王 (Zhaoran Wang), 强化学习
基利安·韦因贝格 (Kilian Weinberger), 美国康奈尔大学 (Cornell University, USA) 深度学习，表示学习，排序，计算机视觉
玛莎·怀特 (Martha White), 阿尔伯塔大学 (University of Alberta) 强化学习，表示学习
林晓 (Lin Xiao), Meta FAIR 凸优化，随机优化，机器学习优化，强化学习，并行和分布式优化
坤·张 (Kun Zhang), 因果关系，迁移学习，核方法，无监督深度学习
志华·张 (Zhihua Zhang), 北京大学 (Peking University, China) 贝叶斯分析和计算，数值代数和优化
正元·周 (Zhengyuan Zhou), 上下文bandit，在线学习，博弈论
吉·朱 (Ji Zhu), 密歇根大学安娜堡分校 (University of Michigan, Ann Arbor) 网络数据分析，潜在变量模型，图模型，高维数据，健康分析。

JMLR-MLOSS 编辑

亚历山大·格拉姆福特 (Alexandre Gramfort), Meta AI. 监督学习，凸优化，稀疏方法，机器学习软件，神经科学应用
华金·范斯霍伦 (Joaquin Vanschoren), 荷兰埃因霍芬理工大学 (Eindhoven University of Technology, Netherlands). 自动化机器学习，元学习，机器学习软件。
泽义·文 (Zeyi Wen), 香港科技大学（广州） (Hong Kong University of Science and Technology (Guangzhou)). 机器学习系统，自动机器学习，核方法，决策树。
阿尔伯特·比菲特 (Albert Bifet), Télécom ParisTech & 怀卡托大学 (Télécom ParisTech & University of Waikato). 人工智能，大数据科学，数据流机器学习。

JMLR 审稿人编辑委员会

审稿人编辑委员会是一群值得信赖的审稿人，他们承诺每年审阅至少 2 篇论文。如果您希望加入此值得信赖的审稿人名单，请通过 editor@jmlr.org 与我们联系

大卫·阿贝尔 (David Abel), 强化学习，哲学，规划，抽象
埃夫里姆·阿卡 (Evrim Acar), 矩阵/张量分解
马克西米利安·阿尔伯 (Maximilian Alber), 深度学习，语义分割，软件，归因方法/"可解释人工智能"
毛里西奥·阿尔瓦雷斯 (Mauricio A Alvarez), 高斯过程，核方法，贝叶斯推断，受物理启发机器学习，数据中心工程
大卫·阿尔瓦雷斯-梅利斯 (David Alvarez-Melis), 最优传输，优化，无监督学习
克里斯·阿马托 (Chris Amato), 多智能体强化学习，部分可观察强化学习，多机器人系统
安伟华 (Weihua An), 网络分析，因果推断，贝叶斯分析，实验
丽卡·安东诺娃 (Rika Antonova), 贝叶斯优化，强化学习，变分推断，机器人学习
迈克尔·阿贝尔 (michael arbel), 核方法，深度学习
Cedric Archambeau，不确定性量化，近似推断，变分推断。贝叶斯方法，优化，超参数优化，AutoML。迁移学习，持续学习。负责任的AI。
Ery Arias-Castro，聚类，多维缩放，流形学习，假设检验，多重检验，非参数方法
Yossi Arjevani，优化，下界，ReLU模型，对称性
Raman Arora，随机优化，子空间学习，差分隐私，鲁棒对抗学习，算法正则化
Devansh Arpit，深度学习，表征学习，优化，泛化
Alexander Aue，时间序列，高维统计，变化点
Valeriy Avanesov，学习理论，分布式学习，核方法，非参数和高维统计，bootstrap
Kamyar Azizzadenesheli，学习理论，强化学习，Bandit算法
Rohit Babbar，大规模多标签学习，极端分类，不平衡分类
Krishnakumar Balasubramanian，采样，随机优化，学习理论。
Chaim Baskin，基础模型；几何深度学习；图神经网络（GNN）；可信赖的AI；对抗鲁棒性；高效深度学习；模型压缩
Raef Bassily，差分隐私，隐私保护机器学习，学习理论，优化
Gustavo Batista，时间序列，数据流，类别不平衡，嵌入式机器学习，量化
Kayhan Batmanghelich，医疗保健领域的机器学习，可解释性，弱监督学习，解纠缠，医学成像，概率图模型
Denis Belomestny，MCMC，方差缩减，反卷积问题，强化学习
Thomas Berrett,
Srinadh Bhojanapalli，优化，深度学习，transformers，非凸优化
Przemyslaw Biecek，可解释的AI，可解释的机器学习，基于证据的机器学习，以人为中心的AI
Michael Biehl，学习向量量化，基于原型的系统，学习的统计物理，生物医学应用
Gilles Blanchard，学习理论，核方法，高维推断，多重检验，统计学
Mathieu Blondel，结构化预测，可微分编程，优化
Omer Bobrowski，几何和拓扑推断，概率建模，高斯过程
Giorgos Borboudakis，特征选择，因果发现，自动化机器学习，模型选择
Guy Bresler，统计推断的复杂性，概率模型，随机图，应用概率
Sebastian Bruch，最近邻搜索，学习排序；草图
Peter Bubenik，拓扑数据分析，应用拓扑，应用代数，应用范畴论
Cody Buntain，社交媒体，文本挖掘，网络科学，多模态学习，信息检索
David Burns，时间序列学习，人类活动识别，新颖性检测，分布外检测，开放集分类
Diana Cai，贝叶斯非参数，概率建模，贝叶斯建模
Burak Cakmak，近似贝叶斯推断，消息传递，变分推断
Francisco Maria Calisto，人机交互，健康信息学，乳腺癌，以用户为中心的设计，人工智能，医学成像
Timothy Cannings，分类，统计学习，高维数据，数据扰动技术，非参数方法
Olivier Capp，Bandit算法，统计学，信号处理
Iain Carmichael，多视图数据，高维，统计学
Luigi Carratino，核方法，大规模，正则化，优化
Antonio Cavalcante Araujo Neto，聚类，无监督学习，图，密度估计
Adam Charles，信号处理，计算神经科学，字典学习，反卷积，压缩感知，逆问题，正则化，循环神经网络
Pratik Chaudhari，深度学习，优化
Cheng Chen，矩阵草图，优化，在线学习
Bo Chen，深度学习，生成模型，贝叶斯推断
Jie Chen，图深度学习，高斯过程，核方法
Jianbo Chen，对抗样本；对抗鲁棒性；模型解释；可解释性
Xi Chen，高维统计，随机和鲁棒优化，用于收入管理的机器学习，众包，选择建模
Yuansi Chen，领域自适应，MCMC采样，优化，计算神经科学
Shizhe Chen，点过程，图模型，神经科学，实验设计
Lin Chen，优化，机器学习理论
Kun Chen，综合统计学习，降维，低秩模型，鲁棒估计，大规模预测建模，医疗保健分析
Victor Chernozhukov，因果模型，结构方程模型，处理效应，分位数和分布方法，高维推断
Silvia Chiappa，因果推断，近似贝叶斯推断，变分推断，ML公平性
David Choi，统计学，网络数据分析，随机块模型
Andreas Christmann，核方法，鲁棒统计，支持向量机
Delin Chu，科学计算，数据降维，优化技术
Carlo Ciliberto，核方法，统计学习理论，结构化预测，元学习，多任务学习
Taco Cohen，深度学习，协变性，几何，数据压缩
Nadav Cohen，机器学习，深度学习，统计学习理论，张量分析，非凸优化
Lorin Crawford，深度学习，核方法，可解释性，贝叶斯，计算生物学
Lehel Csat，概率推断，高斯过程，非参数方法
Yifan Cui，因果推断，统计基础，采样，统计机器学习，生存分析
James Cussens，图模型，关系学习
Andy Dahl，遗传学，方差分解，矩阵/张量分解，聚类
Xiaowu Dai，核方法，匹配市场，机制设计，高维统计，非参数推断，动态系统
Ben Dai，统计学习理论，排序，词嵌入
Andreas Damianou，高斯过程，迁移学习
Jesse Davis，关系学习，PU学习，体育分析，异常检测
Cassio de Campos，概率电路，概率图模型，不确定概率，可信模型，计算复杂性，鲁棒性
Chris De Sa，优化，MCMC，流形，系统，并行性，分布式，去中心化
ernesto de vito，核方法，机器学习的数学基础，重现核希尔伯特空间
Krzysztof Dembczynski，多标签分类，极端分类，大规模学习，学习理论，学习归约
Carlo DEramo，强化学习，深度学习，多任务学习
Michal Derezinski，随机线性代数，矩阵草图，随机优化，学习理论，行列式点过程
Alexis Derumigny，高维线性回归，copula模型，核平滑
Paramveer Dhillon，NLP，文本挖掘，矩阵分解，社交网络分析，计算社会科学
Laxman Dhulipala，并行图算法，图嵌入，共享内存图算法，分布式图算法
Thomas Dietterich,
Edgar Dobriban，统计学习理论，草图，分布式学习，降维，深度学习的数学
Michele Donini，automl，公平性，核方法
Christian Donner，贝叶斯推断，高斯过程，变分推断，密度估计，非参数模型
Dejing Dou，语义数据挖掘，深度学习，信息提取，健康信息学
Kumar Avinava Dubey，贝叶斯推断，问答，贝叶斯非参数，深度学习
Sebastijan Dumancic，统计关系学习，神经符号方法，归纳逻辑编程，程序归纳，概率编程
Jack Dunn，优化，决策树，可解释性
Subhajit Dutta,
David Duvenaud，深度学习，高斯过程，近似推断，微分方程
Yonathan Efroni，强化学习，Bandits，在线学习
Dumitru Erhan，深度学习，自监督学习，无监督学习，领域自适应，目标检测，模型理解
Shobeir Fakhraei，图挖掘，图神经网络
Zhou Fan，随机矩阵，随机图，自由概率，高维渐近
Max Farrell，因果推断，非参数，深度学习，半参数
Moran Feldman，子模最大化，流算法，在线算法，组合优化
Yang Feng，机器学习，高维统计，网络模型
Olivier Fercoq，优化，凸分析，坐标下降，原始对偶方法
Tamara Fernandez，核方法，生存分析，高斯过程，非参数统计
Matthias Feurer，自动化机器学习，超参数优化，贝叶斯优化
Aaron Fisher，因果推断，统计推断，在线假设检验，核方法
Madalina Fiterau，集成方法，深度学习，多模态学习，医学成像，健康应用
Remi Flamary，最优传输，领域自适应，优化
Nicolas Flammarion，优化
Seth Flaxman，贝叶斯推断，核方法，高斯过程
Michael Fop，特征选择，图模型，高维数据分析，基于模型的聚类和分类，统计网络分析
Dylan Foster，强化学习，控制，上下文Bandit，在线学习，统计学习，优化，深度学习
Jordan Frecon Patracone, 受物理信息启发的机器学习, 超参数优化, 结构化稀疏性, 多任务学习, 优化, 双层编程, 对抗学习
Roy Frostig, 统计学习理论, 随机优化, 可微分编程
Piotr Fryzlewicz, 时间序列, 变化点和变化检测, 高维推断, 降维, 小波, 多尺度方法, 统计学习, 网络
Chad Fulton, 时间序列, 贝叶斯分析, 计量经济学
Rahul G. Krishnan, 深度生成模型, 无监督学习, 健康护理应用, 因果推断
Tingran Gao, 核方法, 流形学习, 拓扑数据分析
Xu Gao, 时间序列, 深度学习, 时空模型
Chao Gao, 稳健统计, 高维统计, 贝叶斯理论, 网络分析
Jochen Garcke, 核方法, 流形学习, 可解释性, 高维逼近, 不确定性量化, 数值模拟
Roman Garnett, 高斯过程, 贝叶斯优化, 主动学习
Damien Garreau, 可解释性, 统计学习理论, 核方法
Saeed Ghadimi, 非凸优化, 基于随机梯度的方法, 样本复杂度
Asish Ghoshal, 统计学习理论, 因果推断, 图模型
Gauthier Gidel, 优化, 深度学习理论, 博弈论
Pieter Gijsbers, AutoML, 元学习
Olivier Goudet, 因果关系, 元启发式算法
Robert Gower, 随机优化, 草图, 随机化数值线性代数, 线性代数, 拟牛顿方法, SGD, 随机梯度下降
Navin Goyal, 深度学习, 学习理论
Roger Grosse, 神经网络优化, 贝叶斯深度学习, 超参数调整
Steffen Grunewalder, 统计学习理论, 核方法, 多臂老虎机
Quanquan Gu, 优化, 深度学习理论, 强化学习, LLMs, 深度生成模型, 高维统计
Yuwen Gu, 高维统计, 变量选择, 无参数统计, 模型组合, 优化, 因果推断
Benjamin Guedj, 学习理论, PAC-Bayes, 计算统计, 高维统计, 深度学习理论, 概率模型, 贝叶斯推断
Ishaan Gulrajani, 深度学习, 生成建模, 泛化到分布外
Tom Gunter, 高斯过程, 贝叶斯非参数, Cox过程, 贝叶斯推断
Xin Guo, 排序和偏好学习, 回归, 学习理论, 监督学习, 半监督学习, 在线学习, 核方法, 稀疏正则化
xin guo, 深度学习和博弈, 强化学习, GANs
Minh Ha Quang, 核方法, 统计学习理论, 矩阵和算子理论, 微分几何方法, 信息几何, 无限维统计
Amaury Habrard, 度量学习, 迁移学习, 领域自适应, 表示学习, 统计学习
Jussi Hakanen, 优化, 多目标优化, 贝叶斯优化, 克里金法, 人机协作
William Hamilton, 图表示学习；自然语言处理；网络分析
Yuze Han,
Lei Han, 强化学习, 监督学习, 迁移学习
Bo Han, 深度学习, 弱监督学习, 标签噪声学习, 对抗学习
Chulwoo Han, 资产定价, 金融应用, 深度学习
Steve Hanneke, 学习理论, 主动学习, 样本复杂度, PAC学习, VC理论, 压缩方案, 机器教学, 非独立同分布学习
Ben Hansen, 最优匹配, 多变量距离匹配, 基于潜在结果的因果推断
Botao Hao, 多臂老虎机, 强化学习, 探索, 张量方法
Ning Hao, 变化点分析, 高维数据, 多变量分析, 统计机器学习
Ethan Harris, MLOSS, 深度学习, 增强, 计算神经科学
Mohamed Hebiri, 高维统计, 统计公平性, 无分布算法, 极小极大理论
Reinhard Heckel, 深度学习, 优化, 主动学习
Markus Heinonen, 高斯过程, 动态模型, 微分方程, 贝叶斯神经网络, 核方法
James Hensman, 高斯过程, 变分推断, 生物统计学
Daniel Hernndez Lobato, 近似推断, 高斯过程, 贝叶斯优化
Jun-ichiro Hirayama, 无监督学习, 脑成像, 神经科学, 信号处理, 独立成分分析
Nhat Ho, 统计学习理论, 最优传输, 贝叶斯非参数, 贝叶斯推断, 混合和分层模型, 优化, 深度生成模型, 变分推断
Jean Honorio, 学习理论, 植入模型, 图模型, 结构化预测, 社区检测
Giles Hooker, 随机森林, 可解释性, 解释, 置信区间, 不确定性量化, 假设检验, 变量重要性, 中心极限定理
Thibaut Horel, 优化, 凸分析, 博弈论, 扩散过程
Tamas Horvath, 模式挖掘, 图挖掘, 关系学习, 归纳逻辑编程, 从结构化数据学习, 网络
Torsten Hothorn, 统计学习
Daniel Hsu, 学习理论
Wei Hu, 深度学习理论
Jianhua Huang, 统计机器学习, 降维, 统计推断, 贝叶斯优化, 迁移学习
Nicolas Hug, 开源, 梯度提升, python, 软件
Jonathan Huggins, 贝叶斯方法, 贝叶斯计算, 核方法, 稳健推断, 大规模学习
Eyke Hllermeier, 偏好学习和排序, 机器学习中的不确定性, 多目标预测, 弱监督学习, 数据流上的学习
Masaaki Imaizumi, 统计学, 学习理论, 张量, 函数数据, 深度学习理论
Rishabh Iyer, 子模优化, 主动学习, 计算高效学习, 稳健学习, 数据子集选择, 数据摘要
Ameya D. Jagtap, 监督学习, 神经网络, 科学机器学习, 受物理信息启发的机器学习, 迁移学习, 主动学习, 激活函数, 分布式学习, 神经算子网络, 图神经网络, 数据驱动技术和监督学习。
Kevin Jamieson, 多臂老虎机, 主动学习, 实验设计
Lucas Janson, 高维推断, 变量重要性, 强化学习
Ghassen Jerfel, 贝叶斯机器学习, 统计推断, 不确定性, 无监督学习, 采样, MCMC, 优化
Sean Jewell, 变化点检测, 选择性推断, 神经科学
Heinrich Jiang, 公平性, 数据标注, 聚类
Nan Jiang, 强化学习理论
Lu Jiang, 稳健深度学习, 课程学习, 多模态学习
Chi Jin, 非凸优化, 强化学习理论
julie josse, 缺失值, 因果推断, 矩阵补全
Varun Kanade, 学习理论；在线学习；计算复杂性；优化
Motonobu Kanagawa, 核方法, 模拟模型, 不确定性量化
shiva Kasiviswanathan, 隐私, 学习理论, 优化, 算法
Emilie Kaufmann, 多臂老虎机, 强化学习
Kshitij Khare, 图模型, 贝叶斯计算, 向量自回归模型
Rahul Kidambi, 随机优化, 随机梯度下降, 优化, 离线强化学习, 基于模型的强化学习, 带海盗反馈的批量学习, 离线上下文老虎机学习
Yoon Kim, 自然语言处理, 深度学习
Pieter-Jan Kindermans, 可解释性, 解释性, 理解神经网络, 深度学习, 神经网络架构搜索, 脑机接口, 脑计算机接口
Johannes Kirschner, 多臂老虎机, 贝叶斯优化, 部分监控
Arto Klami, 概率模型, 变分推断, 矩阵分解, 规范相关分析
Aaron Klein, 贝叶斯优化, AutoML, 神经网络架构搜索
Jason Klusowski, 深度学习, 神经网络, 决策树学习
Murat Kocaoglu, 因果推断, 信息论, 深度生成模型
Mladen Kolar, 高维统计, 图模型
Dehan Kong, 核方法, 矩阵和张量方法, 因果推断, 高维推断, 流形学习, 稳健方法, 神经影像和遗传学
Jean Kossaifi, 深度学习, 张量方法
Sanmi Koyejo, 联邦学习, 分布式机器学习, 稳健机器学习, 统计学习理论, 神经影像, 医疗影像机器学习, 医疗保健机器学习
Anastasis Kratsios, 通用逼近, 几何深度学习, 算子学习, 随机控制和博弈, 统计学习理论
Akshay Krishnamurthy, 统计学习理论, 强化学习, 多臂老虎机
Todd Kuffner, 统计学, 选择后推断, 重采样, 引导法, 渐近性, 检验
Vitaly Kuznetsov, 时间序列, 学习理论, 定量金融
Branislav Kveton, 多臂老虎机, 在线学习, 强化学习
Jakub Lacki, 图算法, 聚类, 分布式优化
Vincenzo Lagani, 因果分析, 生物信息学
Silvio Lattanzi, 聚类, 图挖掘, 子模优化
Tor Lattimore, 多臂老虎机, 强化学习, 在线学习
Tam Le, 最优传输, 几何方法, 核方法, 数据估值
Rmi LE PRIOL, 深度学习, 优化, 对偶性
Nicolas Le Roux, 优化, 强化学习
Johannes Lederer，深度学习理论，高维统计
Holden Lee，MCMC，采样算法，控制理论，强化学习
Sokbae Lee，计量经济学，因果推断，分位数回归，混合整数优化
Yoonkyung Lee，核方法，排序，损失函数，降维
Guillaume Lemaitre，软件工程，开源软件，类别不平衡
Keith Levin,
Yujia Li，深度学习，图神经网络，程序综合，程序归纳
Hao Li，深度学习，视觉，生成模型，优化
Didong Li，非参数贝叶斯，几何数据分析，流形学习，信息几何，空间统计
Yi Li，稀疏恢复，随机数值线性代数
Shuai Li，机器智能，在线预测，决策制定，多臂老虎机，学习理论，优化
Tianyang Li，优化，统计学，机器学习，随机优化，统计推断，高维统计，鲁棒学习
Xiaodong Li，矩阵补全，网络分析，优化
Heng Lian，统计学，学习理论，再生核希尔伯特空间，分布式优化
Tengyuan Liang，深度学习理论，核方法，插值，高维渐近
Wu Lin，变分推断，随机优化
Tianyi Lin，优化，博弈论，最优传输，网络
Wei Lin，高维统计，统计机器学习，因果推断
Hongzhou Lin，优化
Marius Lindauer，自动化机器学习，超参数优化，神经架构搜索
Zachary Lipton，深度学习，医疗保健，自然语言处理，鲁棒性，因果关系，公平性，技术与社会
Liping Liu，生成模型，图神经网络，自注意力模型
Chong Liu，贝叶斯优化，多臂老虎机，主动学习，科学人工智能
Weidong Liu，统计优化，高斯图模型，精度矩阵，假发现率
SONG LIU，密度比估计，图模型，斯坦因恒等式，变化检测，异常检测
Chen Liu,
Yang Liu，带有噪声数据的学习，弱监督学习，众包
Tongliang Liu,
Karen Livescu，表示学习，多视图学习，语音处理，自然语言处理，手语
Galle Loosli，核方法，不定核，对抗鲁棒性
Miles Lopes，bootstrap方法，高维统计，草图算法（误差分析）
Qi Lou，图模型，计算广告
Bryan Kian Hsiang Low，高斯过程，贝叶斯优化，主动学习，自动化机器学习，概率机器学习，数据价值，协作/联邦学习中的公平性
Daniel Lowd，对抗机器学习，统计关系学习，马尔可夫逻辑，可处理的概率模型，和积网络，概率图模型，马尔可夫网络，贝叶斯网络，马尔可夫随机场
Aurelie Lozano，高维估计，深度学习，优化
Junwei Lu，高维统计
Haihao Lu，优化
Aurelien Lucchi，优化，深度学习理论
Haipeng Luo，在线学习，bandit问题，强化学习
Luo Luo，优化，数值线性代数
Yuetian Luo，张量数据分析，统计和计算权衡
Tengyu Ma，深度学习理论
Zongming Ma，统计学，最优性，社交网络
Yi-An Ma，贝叶斯推断，时间序列分析
Shujie Ma，深度学习，因果推断，网络分析，非参数方法，降维，时间序列数据
Siyuan Ma，优化，核方法，深度学习
Eric Ma，网络科学，图论，应用深度学习，应用贝叶斯统计
Qing Mai，高维数据分析，张量数据分析，机器学习，半参数和非参数统计，降维
odalric-ambrym maillard，多臂老虎机，强化学习，马尔可夫决策过程，测度集中
Man Wai Mak，说话人识别，深度学习，领域自适应，噪声鲁棒性，心电图分类
Ameesh Makadia，3D计算机视觉，几何深度学习，调和分析
Gustavo Malkomes，贝叶斯优化，主动学习，高斯过程，主动模型选择
Stephan Mandt，变分推断，深度潜在变量模型，机器学习与物理学，神经数据压缩
Horia Mania，强化学习，控制理论
Timothy Mann，强化学习，优化，鲁棒性，迁移学习，延迟
Rahul Mazumder，数学优化，高维统计，稀疏性，Boosting，非参数统计，形状约束估计，决策树集成，压缩大型神经网络
Julian McAuley，个性化，推荐系统，Web挖掘
Daniel McDonald，统计机器学习，高维统计，时间序列，优化，风险估计
Sanket Vaibhav Mehta，深度学习，大型语言模型，终身学习，训练中期，持续学习
Song Mei，深度学习，核方法
gonzalo mena，最优传输，统计学，计算生物学
Lucas Mentch，随机森林，集成，可解释性，变量重要性，假设检验
bjoern menze，随机森林，深度学习，生物医学，成像
Bertrand Michel，模型选择，拓扑数据分析，无监督学习
Ezra Miller，几何，代数，组合学，拓扑，几何和拓扑数据分析，进化生物学
Andrew Miller，统计推断，健康，高斯过程，MCMC，变分推断
Bamdev Mishra，黎曼优化，流形优化，矩阵张量分解，随机算法
Ioannis Mitliagkas，优化，深度学习理论，大规模学习，极小极大优化
Alejandro Moreo Fernndez，量化，文本分类，领域自适应，词嵌入，核方法，迁移学习
Dmitriy Morozov，拓扑数据分析
Christopher Morris，图上的学习
Nicole Mcke，核方法，随机逼近，深度学习，（去）中心化学习，正则化方法，逆问题，学习理论
Shinichi Nakajima，贝叶斯学习，变分推断，生成模型
Eric Nalisnick，贝叶斯方法，深度学习，近似推断，生成模型，分布外检测
Preetam Nandy，因果推断，因果结构学习，图模型，高维数据，强化学习，机器学习中的公平性
Harikrishna Narasimhan，评估指标，约束优化，公平性，学习理论，凸优化
Ion Necoara，凸优化，随机优化，核方法，监督学习
Rodrigo Nemmen,
Gergely Neu，强化学习，学习理论，在线学习，bandit理论
Gerhard Neumann，强化学习，策略搜索，深度学习，机器人
Behnam Neyshabur，深度学习，学习理论，泛化
Vlad Niculae，结构化预测，优化，argmin微分，自然语言处理
Yang Ning，高维统计，统计推断，因果推断
Jose Nino-Mora，优化，概率模型，bandit问题
Atsushi Nitanda，随机优化，统计学习理论，深度学习，核方法
David Nott，贝叶斯模型选择和模型批评，无似然度推断，变分推断
Alex Nowak-Vila，核方法，结构化预测，逆问题，统计学习理论，凸优化
Aidan O'Brien，生物信息学，特征选择，实现
Kevin O'Connor，最优传输，动力系统推断
Min-hwan Oh，强化学习，bandit，学习理论
Ronald Ortner，强化学习
Satoshi Oyama，核方法，链接预测，众包
Ana Ozaki，精确学习，PAC学习，神经网络验证，逻辑，本体，知识图谱
Randy Paffenroth，深度学习，机器学习理论，无监督学习，应用数学
Amichai Painsky，统计学，信息论，统计推断，预测建模，树模型，数据压缩，概率估计
Evangelos Papalexakis，分解方法，张量分解，矩阵分解，无监督方法
Laetitia Papaxanthos，深度学习，数据挖掘，计算生物学
Biswajit Paria，贝叶斯优化
Gunwoong Park，有向无环图模型，因果推断
CHANGYI PARK，核方法，支持向量机，特征选择
Matt Parry，概率建模，评分规则，贝叶斯统计
Razvan Pascanu，深度学习，优化，强化学习，持续学习，图网络
Jose M Pena，因果关系，概率图模型
Richard Peng，图算法，优化，数值方法
Will Perkins，概率，统计物理，组合数学，随机图
Victor Picheny，贝叶斯优化，高斯过程
Brad Price，统计机器学习，多变量和多任务方法，图约束模型
Yumou Qiu，高维统计推断，高斯图模型，核平滑，脑成像统计分析，因果推断，高通量植物表型分析
Yixuan Qiu，统计计算，优化，MCMC
Qing Qu，非凸优化，表示学习，逆问题，无监督学习
Peter Radchenko，高维统计，稀疏学习和估计，特征选择。
Manish Raghavan，算法公平性，博弈论，行为经济学
Maxim Raginsky，深度学习理论，统计学习，优化，应用概率，测度集中，动态系统和控制
Anand Rajagopalan，聚类，随机矩阵理论
Goutham Rajendran，大型语言模型
Herilalaina Rakotoarison，自动机器学习，超参数优化，贝叶斯优化，amortized 推断
Jan Ramon，隐私保护学习，从图学习，学习理论
Rajesh Ranganath，近似推断，深度生成模型，因果推断，机器学习
Vinayak Rao，马尔可夫链蒙特卡洛，蒙特卡洛，贝叶斯方法，贝叶斯非参数，变分推断，点过程，随机过程
Jesse Read，多标签，多输出，数据流
Zhao Ren，高维统计，稳健统计，图模型
Steffen Rendle，推荐系统，大规模学习，矩阵分解
Marcello Restelli，强化学习
Lev Reyzin，学习理论，图算法，集成方法，bandits
Bruno Ribeiro，关系学习，不变表示，嵌入，图神经网络
Bastian Rieck，拓扑数据分析，计算拓扑，核方法，网络和图，几何深度学习，拓扑深度学习
Fabrizio Riguzzi，关系学习，统计关系学习，归纳逻辑编程，概率归纳逻辑编程
Omar Rivasplata，统计学习理论，机器学习/人工智能理论，风险界限，PAC-Bayes 界限，深度学习，数学，概率和统计
Ariel Rokem，神经信息学，正则化回归，开源软件，数据科学
Alessandro Rudi，核方法，统计机器学习
Sivan Sabato，统计学习理论，主动学习，交互式学习
Veeranjaneyulu Sadhanala,
Saverio Salzo，凸优化，核方法
JEROME SARACCO，降维，非参数和半参数回归，聚类，非参数条件分位数估计
Hiroaki Sasaki，无监督学习，密度估计，核方法
Kevin Scaman，优化，分布式优化
Florian Schaefer，优化，博弈论，GANs，高斯过程
Mikkel Schmidt，近似贝叶斯推断，概率建模，马尔可夫链蒙特卡洛，变分推断，贝叶斯非参数，网络数据分析，强化学习，生成模型，深度学习，程序归纳
Jacob Schreiber，深度学习，基因组学，次模优化，张量分解，插补
Alex Schwing，深度学习，结构化预测，生成对抗网络
Clayton Scott，统计学习理论，核方法，领域自适应，弱监督，核密度估计，标签噪声，领域泛化
Dino Sejdinovic，核方法
Yevgeny Seldin，Bandits，PAC-贝叶斯分析，在线学习，学习理论
Rajat Sen，bandit 算法，在线学习，时间序列
Amina Shabbeer，优化，深度学习，生物信息学，自然语言处理，强化学习
Uri Shalit，因果推断，医疗保健中的机器学习
yanyao shen，优化，稳健学习，大规模学习
Seung Jun Shin，核方法，降维，正则化估计
Ali Shojaie，高维统计；统计学习；图模型；网络分析
Ilya Shpitser，因果推断，缺失数据，算法公平性，半参数统计
Si Si，模型压缩；核方法
Ricardo Silva，因果关系，图模型，贝叶斯推断，变分方法
Max Simchowitz，控制理论，强化学习，bandits
Riley Simmons-Edler，强化学习，深度强化学习，探索
Felipe Tobar，高斯过程，贝叶斯推断，贝叶斯非参数，时间序列
Aleksandrs Slivkins，多臂 bandit，探索，经济学和计算，机制设计
Marek Smieja，深度学习，半监督学习，缺失数据，异常检测，聚类，多标签分类
Arno Solin，概率建模，随机微分方程，状态空间模型，高斯过程，近似推断
Hyebin Song，统计学习，高维统计，计算生物学，优化
Martin Spindler,
Karthik Sridharan，在线学习，学习理论，随机优化
Sanvesh Srivastava，分布式贝叶斯推断，分而治之，高斯过程，潜在变量模型，Wasserstein 中心
Francesco C. Stingo，生物统计学，贝叶斯分析，模型选择，图模型
Karl Stratos，表示学习，信息论，谱方法，自然语言处理
Weijie Su，差分隐私，深度学习理论，LLMs，高维统计，优化
Mahito Sugiyama，聚类，特征选择，模式挖掘，图挖掘
Yanan Sui，人工智能安全，bandit，贝叶斯优化，医疗应用
Ruoyu Sun，优化，深度学习
Shiliang Sun，概率模型和近似推断，优化，统计学习理论，多视图学习，可信赖人工智能，序列数据建模
Taiji Suzuki，核方法，深度学习，优化
Zoltan Szabo，信息论，核技术
Ronen Talmon，核方法，流形学习，几何方法，谱图理论
Vincent Tan,
Kean Ming Tan，图模型，无监督学习，低秩近似
Cheng Yong Tang，协方差建模，图模型，高维统计学习，非参数方法，统计推断
Wesley Tansey，贝叶斯统计，经验贝叶斯，图模型，计算生物学，假设检验
Chen Tessler，深度强化学习，强化学习
Albert Thomas，机器学习软件，python，异常检测
Jin Tian，因果推断，贝叶斯网络，概率图模型
Felipe Tobar，高斯过程，贝叶斯推断，贝叶斯非参数，时间序列
Kim-Chuan Toh，凸优化，稀疏牛顿方法，半定规划，多项式优化
Panos Toulis，因果推断，随机化检验，随机梯度，随机逼近，网络
Sofia Triantafillou，因果关系；概率图模型；贝叶斯网络
Ivor Tsang，迁移学习，核方法，深度生成模型，弱监督学习，模仿学习
Mario Ullrich，采样理论，逼近理论，信息复杂性，高维逼近
Cesar A. Uribe，优化，分布式优化，最优传输，分布式优化，社会学习，网络科学
Inigo Urteaga，贝叶斯理论，生成模型，近似推断，贝叶斯非参数，多臂 bandit
Ewout van den Berg，凸优化，量子计算
Laurens van der Maaten，计算机视觉，隐私
Stfan van der Walt，开源软件，图像处理，数组计算
Jan N van Rijn，机器学习，自动机器学习，算法自动设计，元学习
Bart Vandereycken，黎曼优化，流形方法，低秩近似，张量分解，数值线性代数
Gael Varoquaux，脏数据，缺失值，脑成像，医疗保健
Kush Varshney，公平性，可解释性，安全性，应用于社会公益
Aki Vehtari，贝叶斯分析，贝叶斯统计，高斯过程
Silvia Villa，优化，凸优化，一阶方法，正则化
Max Vladymyrov，非凸优化，流形学习，神经架构搜索
Zhaoran Wang，强化学习
Y. Samuel Wang，图模型，因果发现
Chien-Chih Wang，优化，深度学习，大规模分类
Zi Wang，机器人学习，贝叶斯优化，学习和规划，高斯过程，主动学习
Yuhao Wang，因果推断，高维统计，半参数推断，图模型
Shulei Wang，非参数，高维统计，机器学习，生物医学应用
Yu-Xiang Wang，统计机器学习，优化，差分隐私，强化学习
Lan Wang，高维统计，最优决策估计，非参数和半参数统计，分位数回归，因果推断
Serena Wang, 公平性, 约束优化, 鲁棒优化, 集成方法
Weiran Wang, 表示学习, 深度学习, 语音处理, 序列学习
Chong Wang, 近似推断, 深度学习, 不确定性, 生成模型
Xiaoqian Wang, 可解释的AI, 机器学习中的公平性, 生成模型
Jialei Wang, 优化, 高维统计, 学习理论
Mengdi Wang, 强化学习, 表示学习
Kazuho Watanabe, 隐变量模型, 率失真理论
Andrew Gordon Wilson, 贝叶斯深度学习, 高斯过程, 深度学习的泛化能力
Ole Winther, 深度学习, 生成模型, 高斯过程
Guy Wolf, 流形学习, 几何深度学习, 数据探索
Raymond K. W. Wong, 非参数回归, 函数数据分析, 低秩建模, 张量估计
Chirayu Wongchokprasitti, 推荐系统, 用户建模, 因果发现
Jiajun Wu, 计算机视觉, 深度学习, 认知科学
Yao Xie, 统计学习, 时空数据建模, 序列分析, 变化点检测, 动态网络。
Chang Xu, 表示学习, 对抗机器学习, 深度神经网络, 弱监督机器学习, 生成建模
Lingzhou Xue, 高维统计, 图模型, 降维, 优化
Zhuoran Yang, 强化学习, 统计机器学习, 优化
Yuhong Yang, 多臂老虎机问题, 预测, 模型选择与评估, 极小极大学习理论
Zhirong Yang, 降维, 聚类分析, 可视化
Felix X.-F. Ye, 最优传输, 动力系统, 数据驱动建模
Han-Jia Ye, 表示学习, 元学习
Junming Yin, 统计机器学习, 概率建模与推断, 非参数统计
Yiming Ying, 统计学习理论, 机器学习中的优化, 核方法, 差分隐私
Rose Yu, 深度学习, 时间序列, 张量方法
Yi Yu, 统计网络分析, 变化点检测, 高维统计
Guo Yu, 稀疏性; 凸优化; 高斯图模型; 多重检验
Yaoliang Yu, 生成模型, 优化, 鲁棒性
Xiaotong Yuan, 稀疏学习, 优化, 元学习, 非凸优化, 学习理论, 分布式优化
Luca Zanetti, 图聚类, 马尔可夫链, 谱方法
Assaf Zeevi,
Lijun Zhang, 在线学习, 多臂老虎机, 随机优化, 随机化算法
Jingzhao Zhang, 优化
Xinhua Zhang, 核方法, 迁移学习, 对抗学习, 表示学习
Xin Zhang, 降维, 多变量分析与回归, 张量数据分析, 判别分析, 神经影像学
Kun Zhang, 因果关系, 迁移学习, 核方法, 无监督深度学习
Liangyu Zhang,
Aonan Zhang, 贝叶斯方法, 贝叶斯非参数, 深度无监督学习, 不确定性估计
Chiyuan Zhang, 深度学习
Michael Minyi Zhang, 贝叶斯非参数, MCMC, 高斯过程
Zhigen Zhao, 高维统计推断, 经验贝叶斯/贝叶斯统计, 充分降维, 多重比较
Zifeng Zhao, 在线学习, 动态定价, 变化点检测, copula, 和时间序列分析
Han Zhao, 领域自适应, 领域泛化, 迁移学习, 概率电路, 算法公平性, 多任务学习, 元学习
Yunpeng Zhao, 网络分析; 社区检测
Peng Zhao, 在线学习
Tuo Zhao, 深度学习, 非凸优化, 高维统计, 自然语言处理, 开源软件库
Qinqing Zheng, 优化, 差分隐私
Ping-Shou Zhong, 核方法, 统计推断, 高维数据, 函数数据, 非参数方法, 和基因组学与遗传学
Ding-Xuan Zhou, 深度学习, 深度神经网络的逼近, 核方法, 小波
Feng Zhou, 贝叶斯推断, 点过程
Yidong Zhou, 因果推断, 深度学习, Frchet 回归, 函数数据
Shuchang Zhou, 优化, 神经网络, 量化
Wenda Zhou, 统计机器学习, 深度学习, 高维统计
Zhengyuan Zhou, 上下文老虎机, 在线学习, 博弈论
Liping Zhu, 大数据分析, 非线性依赖, 降维
Ruoqing Zhu, 强化学习, 随机森林, 个性化医疗, 生存分析
Marinka Zitnik, 表示学习, 嵌入, 图神经网络, 知识图谱, 隐变量模型, 生物医学数据, 计算生物学, 网络科学
Difan Zou, 深度学习理论, 学习理论, 采样方法, 随机优化

JMLR 咨询委员会

Shun-Ichi Amari, 日本理化学研究所脑科学研究所
Andrew Barto, 美国马萨诸塞大学安姆斯特分校
Thomas Dietterich, 美国俄勒冈州立大学
Jerome Friedman, 美国斯坦福大学
Stuart Geman, 美国布朗大学
Geoffrey Hinton, 加拿大多伦多大学
Michael Jordan, 美国加州大学伯克利分校
Leslie Pack Kaelbling, 美国麻省理工学院
Michael Kearns, 美国宾夕法尼亚大学
Steven Minton, InferLink, 美国
Tom Mitchell, 美国卡内基梅隆大学
Stephen Muggleton, 英国帝国理工学院
Kevin Murphy, Google, 美国
Tomaso Poggio, 美国麻省理工学院
Ross Quinlan, Rulequest Research Pty Ltd, 澳大利亚
Stuart Russell, 美国加州大学伯克利分校
Lawrence Saul, 美国加州大学圣地亚哥分校
Bernhard Schölkopf, 德国马克斯普朗克智能系统研究所
Terrence Sejnowski, 美国索尔克生物研究所
Richard Sutton, 加拿大阿尔伯塔大学
Leslie Valiant, 美国哈佛大学