2019年第四季度AWS机器学习研究奖项获奖名单公布
AWS机器学习研究奖项（MLRA）很高兴地宣布2019年第四季度提案征集周期的28位获奖者。
该奖项旨在通过资助创新研究和开源项目、培养学生研究人员以及提供最新技术访问权限来推动机器学习发展。自2017年以来，MLRA已支持来自13个国家73所学校和研究院所的180多个研究项目，研究主题包括机器学习算法、计算机视觉、自然语言处理、医学研究、神经科学、社会科学、物理学和机器人学。
2019年第四季度MLRA获奖者来自6个国家的26所大学。这些资助项目旨在开发惠及整个机器学习社区的开源工具和研究，或利用某中心机器学习解决方案（如Amazon SageMaker、AWS AI Services和Apache MXNet on AWS）创建有影响力的研究。
以下是2019年第四季度获奖名单：
| 获奖者 | 大学 | 研究题目 |
|---|---|---|
| Anasse Bari | 纽约大学 | 面向社会公益的预测分析与人工智能 |
| Andrew Gordon Wilson | 纽约大学 | 可扩展数值方法及概率深度学习在AutoML中的应用 |
| Bo Li | 伊利诺伊大学厄巴纳-香槟分校 | 通过鲁棒AutoML和知识增强逻辑推理实现可信赖的机器学习服务 |
| Dawn Song | 加州大学伯克利分校 | 保护公众免受AI生成伪造内容侵害 |
| Dimosthenis Karatzas | 巴塞罗那自治大学 | 面向大规模文档集合的文档视觉问答 |
| Dit-Yan Yeung | 香港科技大学 | 时间错位时空序列建模 |
| Lantao Liu | 印第安纳大学伯明顿分校 | 使用自主机器人进行环境自适应感知与建模 |
| Leonidas Guibas | 斯坦福大学 | 学习面向对象3D感知的规范空间 |
| Maryam Rahnemoonfar | 马里兰大学巴尔的摩分校 | 结合基于模型和数据驱动方法通过某平台研究气候变化 |
| Mi Zhang | 密歇根州立大学 | DA-NAS：联合数据增强和神经架构搜索的AutoML框架 |
| Michael P. Kelly | 华盛顿大学 | 基于网络的机器学习用于儿科脊柱手术医生基准测试 |
| Ming Zhao | 亚利桑那州立大学 | 实现边缘设备与云资源间的深度学习 |
| Nianwen Xue | 布兰代斯大学 | AMR2KB：通过解析意义表示构建高质量知识库 |
| Nicholas Chia | 梅奥诊所 | 大规模逆强化学习方法重建结直肠癌突变历史 |
| Oswald Lanz | 布鲁诺·凯斯勒基金会 | 视频识别和问答的结构化表示学习 |
| Pierre Gentine | 哥伦比亚大学 | 学习火灾 |
| Pratik Chaudhari | 宾夕法尼亚大学 | 离线和离线策略强化学习 |
| Pulkit Agrawal | 麻省理工学院 | 强化学习社区的好奇心基准 |
| Quanquan Gu | 加州大学洛杉矶分校 | 面向可证明高效深度强化学习 |
| Shayok Chakraborty | 佛罗里达州立大学 | 不完美标注者下的主动学习 |
| Soheil Feizi | 马里兰大学学院公园分校 | 可解释深度学习：准确性、鲁棒性和公平性 |
| Spyros Makradakis | 尼科西亚大学 | 用于时间序列预测的专家模型集群集成 |
| Xin Jin | 约翰霍普金斯大学 | 理解分布式机器学习网络性能 |
| Xuan (Sharon) Di | 哥伦比亚大学 | 多自动驾驶车辆驾驶策略学习以实现高效安全交通 |
| Yi Yang | 悉尼科技大学 | 有限监督下的高效视频分析 |
| Yun Raymond Fu | 东北大学 | 多视角域适应的生成特征变换 |
| Zhangyang (Atlas) Wang | 德州农工大学 | 移动端伤口图像分析和动态建模用于手术部位感染出院后监测 |
| Zhi-Li Zhang | 明尼苏达大学 | 用于图结构数据学习的通用图嵌入神经网络 |
祝贺所有MLRA获奖者！期待支持您的研究工作。
MLRA现通过某研究奖项计划提供资助。请参阅相关提案征集公告了解更多信息。