The 6th International Conference on Learning Representation
2018-02-11
org.kosen.entty.User@3f2eb156
김수진(mauvepale)
행사&학회소개
International Conference on Learning Representation (ICLR)은 인공지능/기계학습 분야 중 딥러닝 특히 모델의 표현 학습 및 최적화와 관련된 이론과 실제응용을 다루는 학회이다. 비록 역사는 상대적으로 짧은 편이나 핵심운영진이 인공지능/딥러닝 분야에서 가장 핵심인물로 알려진 Y. Bengio (MILA) 교수와 Y. LeCun (NYU / Facebook Research) 로서 매우 수준높은 연구 내용이 논의되는 것으로 알려져 있다.
특히 현존 기계번역 기술을 인간수준까지 향상시킨 attention기반의 seq2seq 논문을 포함하여 최근 수년간 인공지능/딥러닝 분야에서 마일스톤이 될 만한 중요논문들 중 상당수가 ICLR에서 발표되었다. 올해에도 최근 인공지능 분야에서 매우 화제가된 ProgressiveGAN과 CapsuleNet등의 논문이 발표될 예정이다. 그리하여 전세계 기계학습/딥러닝 연구자들은 ICML과 NIPS와 동급으로 ICLR의 참석과 논문발표를 중요시하고 있다.
논문채택률은 현재 20% 미만으로 알려져있다.
특히 현존 기계번역 기술을 인간수준까지 향상시킨 attention기반의 seq2seq 논문을 포함하여 최근 수년간 인공지능/딥러닝 분야에서 마일스톤이 될 만한 중요논문들 중 상당수가 ICLR에서 발표되었다. 올해에도 최근 인공지능 분야에서 매우 화제가된 ProgressiveGAN과 CapsuleNet등의 논문이 발표될 예정이다. 그리하여 전세계 기계학습/딥러닝 연구자들은 ICML과 NIPS와 동급으로 ICLR의 참석과 논문발표를 중요시하고 있다.
논문채택률은 현재 20% 미만으로 알려져있다.
보고서작성신청
본 신청자는 기계학습을 이용하여 유전체 데이터 분석 및 모델링 분야로 박사학위를 수여했으며 최근 수년간 딥러닝을 이용하여 유전체 시퀀스 모델링을 통한 다양한 유전자 기능 및 질환 예측 연구를 수행해오고 있습니다.
딥러닝 분야는 특히 매우 빠른 속도로 변화하고 있고 ICLR 학회는 딥러닝 연구의 중심에 있는 학회로서 참석을 통해 딥러닝의 연구의 트렌드를 파악하고 이를 이용하여 새로운 형태의 유전체 분석 기술 개발에 기여하고자 합니다.
현존 딥러닝 기반의 유전체 시퀀스 분석에 computer vision 및 NLP기법이 많이 활용되고 있고 특히 유전체 시퀀스는 일반적인 NLP문제보다 훨씬 긴 시퀀스를 다루어야 하므로 이에 적합한 representation learning 관련 연구들 위주로 작성할 예정입니다. 또한 부족한 데이터를 극복할 방안으로 variational autoencoder나 GAN과 같은 딥 생성모델 관련 연구도 작성 예정입니다.
딥러닝 분야는 특히 매우 빠른 속도로 변화하고 있고 ICLR 학회는 딥러닝 연구의 중심에 있는 학회로서 참석을 통해 딥러닝의 연구의 트렌드를 파악하고 이를 이용하여 새로운 형태의 유전체 분석 기술 개발에 기여하고자 합니다.
현존 딥러닝 기반의 유전체 시퀀스 분석에 computer vision 및 NLP기법이 많이 활용되고 있고 특히 유전체 시퀀스는 일반적인 NLP문제보다 훨씬 긴 시퀀스를 다루어야 하므로 이에 적합한 representation learning 관련 연구들 위주로 작성할 예정입니다. 또한 부족한 데이터를 극복할 방안으로 variational autoencoder나 GAN과 같은 딥 생성모델 관련 연구도 작성 예정입니다.