等奖项|IJCAI 2021开幕:程序主席周志华揭晓热门研究主题,杰出论文等奖项出炉( 三 )

  • 作者:Simon Marynissen (KU Leuven), Bart Bogaerts (Vrije Universiteit Brussel), Marc Denecker (KU Leuven)
  • 等奖项|IJCAI 2021开幕:程序主席周志华揭晓热门研究主题,杰出论文等奖项出炉
    文章图片

    论文链接:
    https://www.ijcai.org/proceedings/2021/0272.pdf
    论文摘要:AFT(Approximation Fixpoint Theory )和 JT(Justification Theory )是两个统一逻辑形式的框架 。 AFT 用 lattice 算子的不动点来研究语义 , JT 则解释了为什么某些事实在模型中成立或不成立 。 虽然方法不同 , 但这两种框架在设计时考虑了类似的目标 , 即研究非单调逻辑中出现的不同语义 。 本篇获奖论文的第一个贡献是在这两个框架之间提供了一个正式的联系 。 准确地说 , 该研究表明每个 justification 框架都引入了一个近似器 , 并且这种从 JT 到 AFT 的映射保留了所有的主要语义 。 第二个贡献是利用这种对应关系用一类新的语义来扩展 JT , 即终极语义(ultimate semantic):终极语义可以通过 justification 框架上的句法转换在 JT 中获得 , 本质上是对规则执行某种解析 。
    • 论文 3:Keep Your Distance: Land Division With Separation
    • 作者:Edith Elkind (University of Oxford), Erel Segal-Halevi (Ariel University), Warut Suksompong (National University of Singapore)
    等奖项|IJCAI 2021开幕:程序主席周志华揭晓热门研究主题,杰出论文等奖项出炉
    文章图片

    论文链接:
    https://arxiv.org/pdf/2105.06669.pdf
    论文摘要:该研究通过处理现实生活中的应用需求 , 让公平划分理论更接近于实际 。 该研究关注土地分割的两个需求:(1)每个代理人都应该获得一个可用几何形状的地块;(2)不同代理人的地块必须在物理上分开 。 有了这两点要求 , 按比例划分的经典公平概念是不切实际的 , 因为可能无法对其进行乘法近似 。 相比之下 , Budish 在 2011 年提出的序数最大值共享近似(the ordinal maximin share approximation)提供了更有意义的公平保证 。 当可用形状为正方形、宽矩形或任意轴对齐矩形时 , 本篇获奖论文证明了可实现的最大共享保证的上限和下限 , 并探索了在此设置下找到公平划分的算法和查询复杂性 。
    荣誉提名
    • 论文:Actively Learning Concepts and Conjunctive Queries under ELdr-Ontologies
    • 作者:Maurice Funk (University of Bremen), Jean Christoph Jung (University of Hildesheim), Carsten Lutz (University of Bremen)
    论文地址:
    https://arxiv.org/pdf/2105.08326.pdf
    AIJ 奖
    等奖项|IJCAI 2021开幕:程序主席周志华揭晓热门研究主题,杰出论文等奖项出炉
    文章图片

    AIJ 突出论文奖(AIJ Prominent Paper Award)表彰不早于 7 年内发表在 AI 期刊上 , 并且具有很高的重要性以及影响力的论文研究 。 2021 年的获奖论文颁给了 2014 年发表在《Artificial Intelligence》杂志上的一篇论文 。
    获奖论文:《Algorithm runtime prediction: Methods & evaluation》
    等奖项|IJCAI 2021开幕:程序主席周志华揭晓热门研究主题,杰出论文等奖项出炉
    文章图片

    • 作者:Frank Hutter、Lin Xu、Holger H. Hoos、Kevin Leyton-Brown
    • 论文链接:https://reader.elsevier.com/reader/sd/pii/S0004370213001082?token=C684E5315124C2EF0A0DEEE4EA0B091D708435141CAB29F5421DD0A12C0048A41DCF3BEE8531E2491B05244282BED8CF&originRegion=us-east-1&originCreation=20210824022324
    该研究使用机器学习技术将算法运行时的模型构建为特定于问题实例特征的函数 , 这种方法可以预测算法在先前未见过的输入上运行需要多长时间 。 此类模型在算法分析、基于投资组合的算法选择以及参数化算法的自动配置方面具有重要应用 。

    特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。