雷達(dá)信號(hào)處理實(shí)驗(yàn)室?guī)熒鷧⒓覰eurIPS2018機(jī)器學(xué)習(xí)頂級(jí)會(huì)議
本屆NeurIPS會(huì)議錄用論文1010篇，錄用率為25%，參會(huì)人數(shù)達(dá)到8000人，創(chuàng)歷史記錄。作為國(guó)際頂尖會(huì)議，NeurIPS對(duì)論文質(zhì)量有較高要求，因此在該會(huì)議發(fā)表論文表達(dá)了對(duì)作者工作的高度肯定。在中國(guó)計(jì)算機(jī)學(xué)會(huì)的國(guó)際學(xué)術(shù)會(huì)議排名中，NIPS屬于人工智能領(lǐng)域的A類會(huì)議。本年度，僅有大約10多篇來(lái)自國(guó)內(nèi)高校的文章，如清華大學(xué)、北京大學(xué)、南京大學(xué)和西安電子科技大學(xué)等。今年，我校雷達(dá)信號(hào)處理國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室陳渤教授指導(dǎo)的博士生郭丹丹和張昊，提出了深度泊松伽馬動(dòng)態(tài)系統(tǒng)的相關(guān)論文，“Deep Poisson Gamma Dynamical Systems”，被會(huì)議錄用，并受邀做相關(guān)poster展示。該工作延續(xù)了團(tuán)隊(duì)過(guò)往分別發(fā)表于NIPS2015的深度概率統(tǒng)計(jì)模型，ICML2017的針對(duì)大數(shù)據(jù)的概率統(tǒng)計(jì)深層網(wǎng)絡(luò)的快速學(xué)習(xí)方法，以及ICLR2018的深度自編碼主題模型的工作，聚焦于動(dòng)態(tài)數(shù)據(jù)的深度學(xué)習(xí)建模，并展示了深度概率模型相對(duì)于淺層表示在對(duì)時(shí)間動(dòng)態(tài)序列數(shù)據(jù)建模時(shí)所帶來(lái)的優(yōu)勢(shì)。模型在多個(gè)實(shí)測(cè)數(shù)據(jù)上得到驗(yàn)證，獲得較好的性能，同時(shí)通過(guò)所設(shè)計(jì)的參數(shù)推理技術(shù)加快了收斂速度，較大提升了概率深度網(wǎng)絡(luò)的實(shí)用性。通過(guò)參加該次盛會(huì)，團(tuán)隊(duì)不僅向國(guó)際同行展示了雷達(dá)信號(hào)處理國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室?guī)熒跈C(jī)器學(xué)習(xí)領(lǐng)域的研究能力和研究成果，擴(kuò)大了實(shí)驗(yàn)室的學(xué)術(shù)影響力，而且促進(jìn)了實(shí)驗(yàn)室與該領(lǐng)域頂尖學(xué)者的交流以及對(duì)該領(lǐng)域最新研究進(jìn)展的了解。
